Baidu Blog | Blog (ZH)

【预告】什么是量化？

Wed, 20 Aug 2025 13:44:00 GMT

有一说一，大家可能并不知道 ICECHUI 是有提供模型免费 API 的，支持每日 600 万 token 的使用，当然需要开发者申请，目前能用 Qwen 的各类模型，我用起来还是挺不错的。

但这篇不是广告，是关于大语言模型的轻量化问题的先导，什么是量化。

简单来说

量化是一种旨在降低模型参数数值精度的技术，从而减少存储每个参数所需的比特数。

在典型的AI模型训练过程中，模型的参数，即权重（weights）和偏置（biases），通常以 32 位浮点数（FP32）的格式存储。这种格式精度极高，能够表示非常广泛且细微的数值，例如 7.892345678。

然而，量化技术可以将这样一个高精度的数值近似为一个低精度的 8 位整数（INT8），比如整数 8 。这个过程的本质，是在可接受的精度损失范围内，换取模型效率的巨大提升。

为了更形象地理解这一过程，可以将其想象成将一本详尽的学术巨著简化为一本儿童读物或内容摘要。

学术巨著包含了丰富的高级词汇和复杂的句式结构，信息量巨大，但也因此厚重且难以快速阅读。

而儿童读物或摘要则用更简洁的语言和更少的篇幅传达了核心思想。

虽然一些精妙的细节和微妙的语境可能会在简化过程中丢失，但其核心内容得以保留，并且变得更容易存储、传播和理解。

AI模型量化就如同这个简化过程。它将模型内部复杂的数值语言（高精度浮点数）转换为一种更简洁、更高效的语言（低精度整数），使得模型变得更轻、更快，尽管可能会牺牲一点点的表达精度。

为何要量化？

其实也很好理解，量化最直接、最显著的好处是能够极大地减小模型的存储体积。模型的大小主要由其参数数量和每个参数的存储精度决定。

当我们将参数从标准的 32 位浮点数（FP32，占用 4 个字节）转换为 8 位整数（INT8，占用 1 个字节）时，每个参数的存储需求骤降了 75%。对于拥有数十亿甚至数百亿参数的大型模型而言，这种缩减效果是不容置疑的。

除了减小体积，量化还能显著加快模型的推理（inference）速度，即模型利用其学到的知识进行预测或生成内容的过程。

速度的提升主要源于两个方面

整数运算本质上比浮点运算更快。在 GPU 或专门为 AI 设计的硬件（如谷歌的 TPU 或英伟达的 Tensor Cores）上，执行整数数学运算的电路更简单，延迟更低，吞吐量更高。将模型中的大量乘加运算从浮点转换为整数，可以直接利用硬件的这一优势，从而缩短计算时间。
降低了内存带宽的压力。内存带宽指的是处理器与内存之间数据传输的速率，它常常是 AI 计算中的一个主要瓶颈。由于量化后的模型体积更小，在进行计算时，需要从内存加载到处理器缓存的数据量也相应减少。更少的数据传输意味着更短的等待时间，处理器可以更高效地投入到实际的计算中。

此外计算的效率直接关系到能源的消耗，由于整数运算比浮点运算更简单，其所需的能耗也更低。因此，量化模型在运行时更加节能。

综合以上三点，传统的 AI 应用大多遵循云端 AI 模式，即终端设备（如手机），将数据发送到云端的服务器进行处理，再将结果返回。

这种模式依赖于稳定快速的网络连接，并且存在数据隐私泄露的风险。而边缘侧 AI 则致力于将计算能力直接赋予终端设备，让 AI 在本地运行。

数学的艺术

要实现从高精度浮点数到低精度整数的转换，我们需要一个清晰、可靠的数学框架。

这个过程可以被看作是一门翻译的艺术，其核心挑战在于如何将一个包含无数可能值的连续区间（例如，所有从 -15.0 到 +15.0 之间的浮点数）精确地映射到一个只有有限个离散值的整数集合（例如，INT8 所能表示的 256 个值，从 -128 到 127）。

这门艺术的核心是一种被称为仿射量化方案（Affine Quantization Scheme）的线性映射方法。

小小数学，轻松拿下！

仿射量化的基本思想非常简单，它通过一个线性方程来建立浮点数与整数之间的对应关系。这个关系可以用以下公式来概括：

$\text{real_value} \approx \text{scale} \times (\text{quantized_value} - \text{zero_point})$

这里的 $\text{real_value}$ 是原始的浮点数值，$\text{quantized_value}$ 是其对应的整数值。公式中的 $scale$ 和 $\text{zero_point}$ 是两个关键的量化参数，它们共同定义了这次翻译的具体规则。

这个公式本质上是一个简单的线性变换，类似于将温度从摄氏度转换为华氏度的过程，通过一个缩放和一个平移来完成单位的转换。

反过来，当我们想把一个浮点数 $x$ 转换为整数 $x_q$ 时，我们只需要对上述公式进行移项，即可得到量化的核心计算步骤：

$x_q = \text{round}(\frac{x}{S} + Z)$

其中，$S$ 代表 $scale$（缩放因子），$Z$ 代表 $zero_point$（零点）。这个公式告诉我们，量化一个浮点数 $x$ 的过程分为三步。首先用 $x$ 除以缩放因子 $S$，然后加上零点 $Z$，最后将结果四舍五入到最近的整数。这个整数 $x_q$ 就是原始浮点数 $x$ 的量化表示。

对于那些超出预设浮点范围 $[a, b]$ 的值，它们会被裁剪（clipped）到该范围所能表示的最接近的整数值，以确保所有输入都能被映射到有效的整数空间内。

缩放因子？零点？

$scale$ 是一个正的浮点数，它定义了量化的粒度。可以将其理解为整数世界里的一个单位步长（step size）在浮点世界里代表多大的数值范围。

例如，如果 $scale$ 是 0.1，那么整数值 5 和 6 之间的差距就代表了 0.1 的浮点数值变化。

一个较小的 $scale$ 值意味着更高的精度，因为每个整数都对应一个更窄的浮点数范围；反之，一个较大的 $scale$ 值则意味着更粗的粒度，精度损失也更大。

$zero_point$ 是一个整数，它的作用是确保浮点世界中的 0.0 这个特殊值能够被整数世界中的某个值精确地表示。

这一点至关重要，因为在神经网络中，0 是一个非常常见且有特殊意义的值。例如，在 ReLU 激活函数中，所有负数输入都会被置为 0。在卷积操作中，也经常使用 0 来进行填充（padding）。

如果浮点 0.0 在量化后无法被精确表示，就会引入系统性的偏差，持续地影响模型的计算结果。$zero_point$ 就是那个与 0.0 精确对应的整数值。

所以？

根据浮点数值的分布特性，我们可以采用两种不同的映射策略来确定 $scale$ 和 $zero_point$，即非对称量化和对称量化。

非对称量化 (Asymmetric Quantization) 是最通用的仿射量化方案。它适用于任何范围的浮点数，例如，一个经过 ReLU 激活函数处理后的张量，其数值范围可能是 $[0, \infty)$。在这种情况下，浮点数的 0 并不位于范围的中心。非对称量化通过一个非零的 $Z$ 来平移整个整数映射区间，使其能够完美地对齐这个非对称的浮点范围。
对称量化 (Symmetric Quantization) 是一种简化的特殊情况，适用于那些数值范围大致以 0 为中心对称分布的张量，例如范围为 $[-10, 10]$ 的权重。在对称量化中，我们强制规定 $Z$ 必须为 0。这样做的好处是，量化公式可以简化为 $x_q = \text{round}(\frac{x}{S})$，在计算时可以省去一次加法操作，从而可能带来微小的速度提升。然而，如果数据的实际分布并非严格对称，强制使用对称量化可能会牺牲一定的表示精度。

实际上，数学的艺术并不仅仅在于应用这些公式，更在于如何为模型的每一层权重和激活值确定最佳的量化范围 $[min_val, max_val]$，并由此计算出最合适的 $scale$ 和 $zero_point$。这个确定参数的过程被称为校准（calibration）。

对于模型的权重，其数值范围在量化时是已知的、静态的。但对于激活值，其数值会随着每次输入数据的不同而动态变化。如何选择一个固定的范围来适应所有可能的输入，便成了量化中的核心难题。

校准过程通常需要将一小部分有代表性的数据样本输入到模型中，以观察和统计激活值的典型分布范围。

选择一个过窄的范围会导致许多超出范围的离群值被裁剪，从而产生较大的裁剪误差。而选择一个过宽的范围又会使得大部分常见值的表示粒度变粗，导致较大的舍入误差。

如何在这个权衡中找到最佳平衡点，正是不同量化方法论（如静态量化、动态量化和量化感知训练）试图解决的核心问题。

PTQ 训练后量化

顾名思义，训练后量化是在一个已经使用高精度（如 FP32）完全训练好的模型之上进行的操作。

它更像是一个模型转换或后处理步骤，而非训练过程的一部分。其工作流程通常是获取一个预训练好的模型，然后应用量化算法将其参数转换为低精度格式。

PTQ 最大的优点是便捷和高效。由于它不需要对模型进行重新训练，整个过程非常快速，通常只需要几分钟到几小时。

此外，它对数据的需求量也小得多，有时甚至不需要任何数据。这使得 PTQ 成为一个极具吸引力的选项，特别是当拥有一个现成的预训练模型，但缺乏原始的训练数据集或充足的计算资源时。

PTQ 内部又可细分为几种不同的技术，其中最常见的两种是：

静态量化 (Static Quantization)，这种方法会对模型的权重和激活值都进行量化。权重的量化相对直接，因为它们是固定的。但对于随输入变化的激活值，静态量化需要一个额外的校准（calibration）步骤**。**在这一步中，开发者会向模型输入一小部分有代表性的样本数据，并记录下每一层激活值的动态范围。基于这些统计信息，算法会为每一层的激活值计算出一个固定的、最优的量化参数。在实际推理时，模型会使用这些预先计算好的参数来量化激活值。由于所有参数在推理前都已确定，静态量化在运行时没有额外的计算开销，因此推理速度最快。
动态量化 (Dynamic Quantization)，与静态量化不同，动态量化通常只对模型的权重进行预先量化，而激活值则在推理过程中被即时地（on-the-fly）量化。具体来说，每次有新的输入数据时，系统会实时计算出当前激活值的范围（最大值和最小值），并据此动态生成量化参数。这种方法的优点在于，量化参数完美地适配了每一次输入的具体情况，因此通常能获得比静态量化更高的精度。但其代价是，在每次推理时都增加了计算量化参数的开销，这可能会导致整体推理速度慢于静态量化。

QAT 量化感知训练

量化感知训练则采取了与 PTQ 完全不同的思路。它不是在训练结束后才引入量化，而是将量化过程直接整合到模型的训练或微调（fine-tuning）阶段。

其核心目标是让模型在训练时就感知到未来将会被量化的事实，并主动学习去适应和补偿由量化引入的精度损失。

QAT 的实现依赖于一种巧妙的机制，通常被称为伪量化或模拟量化。在训练的每一次迭代中，其具体流程如下：

前向传播 (Forward Pass): 在计算网络输出时，模型会模拟量化操作。它会先将全精度的权重和激活值进行伪量化（即按照量化规则计算出它们对应的整数值，然后再通过反量化公式将其转换回浮点数，这个浮点数的值已经带有量化误差）。接着，使用这些带有模拟误差的值来完成网络的计算。
反向传播 (Backward Pass): 在计算梯度并更新权重时，模型则会忽略前向传播中的量化操作。梯度是基于原始的全精度权重计算的，并且更新也是在全精度的权重上进行的。这种设计（通常通过一种名为 Straight-Through Estimator 的技术实现）确保了训练过程的稳定性和梯度的有效传播。

通过这种方式，模型在整个训练过程中不断地体验量化带来的影响，并调整其权重，以找到一个在量化后性能依然最优的解。

这就像一个射击运动员在训练时就考虑到风速的影响，并主动调整瞄准点，而不是在比赛当天才第一次感受风力。

因此，QAT 的最大优势在于其能够最大程度地保留模型精度。

由于模型已经学会了如何与量化误差共存，其最终的量化版本几乎总能达到比 PTQ 更高的准确度，有时甚至能接近原始 FP32 模型的水平。因此，当应用场景对精度要求极为苛刻时，QAT 是首选方案。

当然，这种高精度是有代价的。QAT 需要完整的训练流程，这意味着它需要访问庞大的训练数据集，并投入大量的算力资源来进行模型的重新训练或微调。

预告已结束，下面是伏笔

虽然 PTQ 和 QAT 构成了量化技术的核心框架，但这个领域仍在不断发展，涌现出许多针对特定场景和需求的专用工具与更前沿的技术。

GPTQ

GPTQ 是一种先进的训练后量化方法，其全称 Generalized Post-Training Quantization（通用训练后量化），意指它专为基于 GPT 架构的模型设计。

它的突出特点是能够在保持极低性能损失的情况下，将模型量化到非常低的比特宽度，如 INT4 甚至 INT3。GPTQ 通过一种逐层量化的方式，并结合对量化误差的精确分析，实现了比传统 PTQ 方法更优的精度压缩比。

在实际应用中，GPTQ 量化的模型通常在 GPU 上表现出极高的推理速度，使其成为 GPU 用户运行大型模型的首选方案之一。

GGML

GGML 是一个为机器学习设计的张量库，它包含了一套自定义的二进制格式来存储量化模型。与 GPTQ 主要面向 GPU 不同，GGML 格式的模型在 CPU 上运行时表现出卓越的性能。

这使得没有高端显卡的用户也能够在自己的笔记本电脑或台式机上体验大型语言模型。GGML 支持多种量化级别（例如，文件名中常见的 q4_0, q5_1 等），为用户在模型大小和性能之间提供了灵活的选择。

极端量化

二值化 (Binarization) 是最极端的量化形式之一。在二值化神经网络（BNN）中，模型的权重被限制为仅有两个可能的值，通常是 ${-1, +1}$ 或经过缩放的 ${-α, +α}$。
三值化 (Ternarization) 则稍微放宽了限制，允许权重取三个值，通常是 ${-1, 0, +1}$ 或 ${-α, 0, +α}$ 。

总结

量化，归根结底，是一项旨在让庞大而复杂的 AI 模型变得更小、更快、更节能的优化技术。

从而使如 LLM 这样的大模型能够走出资源充足的云端数据中心，部署到我们日常生活中的各种资源受限的设备上。

无论是大幅缩减模型体积以便装入手机，还是加速推理以支持自动驾驶的实时决策，亦或是降低功耗以延长可穿戴设备的续航，量化都扮演着不可或缺的角色。

它已成为推动AI技术普及化、实用化和民主化的核心工程支柱之一。

脚注

Hugging Face. (n.d.). Quantization. In Optimum documentation. Hugging Face. Retrieved August 20, 2025, from https://huggingface.co/docs/optimum/concept_guides/quantization Li, J. (2024, May 27). Mechanistic Interpretability of Binary and Ternary Transformers (arXiv:2405.17703) [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2405.17703

Telegram 广告机器人

Sun, 17 Aug 2025 00:00:00 GMT

广告机器人

许久不写个人博客，手已经生疏了，这篇文章可能出现奇怪的语句不通，或者跑偏主体，请各位见谅。

联合封禁鸡不支持，黄/赌/毒产业频道。

前言

众所周知，广告机真的很烦，不管是在哪里，因为 Telegram 对于机器人的 API 提供的很方便，所以我在 Telegram 创建了一个广告机器人。

最早是在今年4月份左右，当时从谷歌那里拿到了一堆算力，所以可以建一个本地的广告机器人。

但是后来因为各种原因荒废了，趁着炙热的夏天，重新调整并编写了防广告机器人的 v2，这个广告机器人并不是什么有技术含量的东西，它最主要解决的还是如何防止误杀。我觉得这一个版本应该相较于上一个版本，在误杀上面有了很多的优化。

除此之外在业务逻辑上，新版本的防广告机器人也会更稳定，如果大家想要使用，请前往文章最下面，有如何将机器人加群并激活的说明。

逻辑

简单说明一下，这是使用 LLM 所实现的广告机器人，最早是本地的（服务器本地也算本地），现在是使用的 API 调用。

Watchlist

首先当新用户进群后，联合封禁鸡会先进行一次资料的检查，然后根据用户资料判断 watchlist 的时限。

Scan

所有的在 watchlist 的用户都会自动扫描，并检测是否为广告，当发现广告的时候将根据群主/管理员设定完成以下逻辑：

Hard - 默认为 hard，删除广告信息，封禁用户，并提出群组。
Soft - 可选，只删除广告。

之后所有的被处理的广告，将会放入联合封禁鸡的公开频道并进行大众投票。

##u Verify

所有进入公开频道的广告，都可以被众人投票，投票将在 72 小时后结算，当 👍 多的时候，将被加入联合黑名单。所有进入联合黑名单的发广告用户，将在所有，联合封禁鸡加入的群中自动提出（触发式，当该用户发言后会自动踢出，或加群时自动被踢出）

如何邀请联合封禁鸡？

用户名 @AISpamCheck_bot

首先，请向该邮箱 klaxons-thorax0k@icloud.com 发送邮件

Title: 联合封禁鸡申请
Body: 
群链接 <link>
我的 Telegram 用户名 <@username>
群主用户名 <@username>

⚠️ 请注意，替换掉 <> 的内容，但是不要添加其他的任何内容，联合封禁鸡会自动审核群组并进行激活，如有格式错误，可能不会在很快的时间内激活。

付费群组

因为联合封禁鸡本身是完全免费的产品，所以对我来说是一笔开销，对此，如果想要更好的服务或者更快的机器人相应，可以帮我买杯奶茶。随后我将会通过该渠道进行回信。

定制服务

联合封禁鸡支持完整的定制服务，如果想要将机器人加入但不想暴露使用的是我们的服务，可以通过邮箱联系

Title: 联合封禁鸡定制
Body: 
群链接 <link>
我的 Telegram 用户名 <@username>
群主用户名 <@username>
需求 "<request>"
预算 <usd>

⚠️ 请注意，替换掉 <> 的内容，但是不要添加其他的任何内容。

⚠️ 需求请写在双引号内。

⚠️ 预算为美金单位，定制起步价为 USD20，后续每月 USD5 作为定期维护费。

网络的门户，互联网

Fri, 29 Aug 2025 15:13:00 GMT

在一个由少数科技巨头主导的世界里，从零开始构建一个全新的网络浏览器，是一项近乎于挑战神明的举动。

然而，这正是 Ladybird 浏览器项目正在做的事情。它并非简单地为现有技术换上一层新的外壳，而是致力于打造一个真正独立的网络浏览器，其核心包含一个全新的引擎（LibWeb）和一个自研的 JavaScript 解释器（LibJS）。

所以，今天这篇文章，我们就来讲讲，浏览器内核究竟是个什么东西，它为何没有天女散花般非常的多。以及，当 Chrome 被收购后，会发生什么事情？

当然我是 Safari 和 FireFox 爱好者，Chrome 只是拿来当作话题的东西。

心脏

对于大多数用户而言，浏览器就是屏幕上的那个图标，是通往广阔互联网的大门。

但在这扇门的背后，真正发挥核心作用的是一个被称为浏览器内核（Browser Engine）的复杂软件组件。我们可以用几个简单的比喻来理解它。

它是浏览器的心脏，不知疲倦地泵送着数据，它也是一位伟大的翻译官，将网站的原始代码，也就是那些由 HTML、CSS 和 JavaScript 组成的、人类难以直接阅读的文本，实时翻译成我们在屏幕上看到的、可交互的、生动丰富的网页。

浏览器内核、布局引擎（Layout Engine）和渲染引擎（Rendering Engine）这几个词经常被使用。

它们共同描述了浏览器的核心部分，其主要职责是解释网页代码，计算出页面上每一个元素的位置和样式（即“布局”），然后将它们绘制到屏幕上。

为了更清晰地理解浏览器的结构，我们需要将浏览器内核与另外两个部分区分开来：一是用户界面（UI），这包括了我们能直接看到的地址栏、前进后退按钮、标签页等。

一是JavaScript 引擎（JavaScript Engine），这是一个独立的组件，专门负责执行网页中的 JavaScript 代码，赋予网页动态交互的能力。

浏览器内核负责协调这一切，它与 JavaScript 引擎紧密合作，共同将静态的文档变为一个活生生的应用。

历史

纵观现代互联网，几乎所有的网络体验都由三个主要的浏览器内核家族所驱动。

它们是技术演进和市场竞争的产物，每一个都代表着一条独特的进化路径：

Blink：由谷歌主导开发，于 2013 年从 WebKit 项目中分支（fork）而来。它是当今世界上市占率最高的内核，驱动着 Chrome、微软的 Edge、Opera、Brave、Vivaldi 等众多浏览器。
WebKit：由苹果主导开发，其历史可以追溯到更早的 KHTML 引擎。WebKit 是 Safari 浏览器的核心。在 Blink 诞生之前，它也曾是 Chrome 浏览器的内核。
Gecko：由 Mozilla 基金会开发，是 Firefox 浏览器的核心。在 Blink/WebKit 体系之外，Gecko 是目前唯一一个仍然保持着显著市场份额和影响力的独立内核。

此外，我们不应忘记那些曾经的参与者，例如微软的 Trident（用于 Internet Explorer）和 EdgeHTML（用于旧版 Edge 浏览器）。

（Blink 内核是 Chromium 开源项目的一部分）

奇迹

输入URL

一切始于一个简单动作，在地址栏输入一个网址（URL）并按下回车。

浏览器接收到这个指令后，其内置的网络组件立即开始工作。

这个过程大致可以分为几步：

DNS 查询：浏览器首先需要知道这个网址对应的服务器在哪里。它会查询“域名系统”（DNS），这个系统就像是互联网的“电话簿”，能将我们容易记忆的域名（如 www.baidu.com）翻译成服务器能够理解的 IP 地址（如 220.181.7.203）。
建立连接：获得 IP 地址后，浏览器会通过 TCP 协议与目标服务器建立一个可靠的连接。
发送请求：连接建立后，浏览器会代表用户向服务器发送一个 HTTP 请求，请求获取该网址对应的网页内容。

DOM 和 CSSOM

服务器收到请求后，会返回相应的数据，通常最先到达的是一个 HTML 文件。

此时，渲染引擎开始执行解析（Parsing）。

首先，引擎会逐行读取 HTML 代码，并将其转换成一个计算机能够理解的、树状的逻辑结构，这个结构被称为文档对象模型（Document Object Model, DOM）。

这个过程好比是将建筑师的平面设计图，转化为一份包含所有房间、墙壁、门窗及其相互关系的结构化清单。

其次，在解析 HTML 的同时，浏览器也会请求并解析 HTML 中引用的 CSS 文件。它会把所有的样式规则（如颜色、字体大小、布局方式）同样转换成一个树状结构，称为 CSS 对象模型（CSS Object Model, CSSOM）。

渲染树

接下来，引擎会将 DOM 树和 CSSOM 树结合起来，创建一棵新的树，渲染树（Render Tree）。

这棵树是页面最终视觉呈现的总规划图。它非常智能，只包含那些需要被实际显示在屏幕上的元素。

例如，一个在 CSS 中被设置为 display: none 的元素，就不会出现在渲染树中，渲染树中的每一个节点，都包含了它最终的样式信息。

万物归位

渲染树构建完成后，就进入了至关重要的一步：布局（Layout），有时也称为重排（Reflow）。

在这一阶段，引擎会精确计算出渲染树中每一个节点在屏幕上的几何信息，即它的尺寸和位置。

从整个页面的宽度，到某个按钮的高度，再到一行文字应该在哪里换行，所有这些空间关系都在这一步被精确到像素的计算出来。

绘制

当所有元素的位置和大小都已确定，引擎终于可以开始绘制（Painting）了。

它会遍历渲染树，并调用操作系统的图形接口（UI 后端），将每一个元素，文字、图片、背景色、边框等，绘制到屏幕的对应像素上。

值得注意的是，整个过程是渐进式的。为了提供更好的用户体验，浏览器会尽可能早地开始绘制内容，而不是等到所有 HTML、CSS 和图片都下载完毕。

这就是为什么我们有时会看到页面内容先出现，然后样式才加载进来，导致页面闪烁一下（即无样式内容闪烁，Flash of Unstyled Content）。

交互

当页面被初步绘制出来后，独立的 JavaScript 引擎（例如 Chromium 中的 V8 引擎）便开始大显身手。

它负责执行页面中嵌入的 JavaScript 代码，为原本静态的页面注入活力。

无论是点击按钮后的弹窗、页面的平滑滚动动画，还是无需刷新页面就能加载新内容（AJAX），都是 JavaScript 的功劳。

这个过程也揭示了性能优化的关键。所有这些操作，从布局、绘制、到 JavaScript 执行，通常都发生在同一个主线程上。

如果一段 JavaScript 代码执行时间过长，就会阻塞主线程，导致浏览器无法响应用户的滚动、点击等操作，页面就会出现卡顿，即使用户看到的内容已经完全加载。

这正是浏览器开发者们在性能优化方面持续投入巨大精力的原因。

谷歌 vs 美国

既然讲到了 Chrome，那么就顺便讲讲反垄断这个事情吧，简单来说，联邦法官阿米特·梅塔（Amit Mehta）于 2024 年 8 月裁定，谷歌通过非法手段维持了其在通用搜索服务和搜索广告市场的垄断地位。

例如谷歌仅在 2021 年就支付了高达 263 亿美元，以确保其搜索引擎成为各大平台上的默认选项。

在此判决之后，司法部提出了旨在瓦解该垄断的系列补救措施，其中最引人注目的核心要求便是强制谷歌剥离其 Chrome 浏览器业务。

作为市场份额绝对领先的浏览器，Chrome 是谷歌维持其搜索垄断的关键工具。它不仅是触达数十亿用户的最重要分发渠道，还是一个规模庞大的数据收集终端，进一步巩固了谷歌在搜索领域的护城河。

（注意，司法部的剥离令针对的是 Google Chrome**）**

公共工程

那么问题来了，在被迫出售其旗舰浏览器产品后，谷歌是否还有动机继续对 Chromium 项目进行巨额投资？

答案是肯定的，因为谷歌的核心商业利益与开放网络的健康发展已密不可分。

谷歌的主要收入来源，搜索广告、YouTube 和谷歌云服务，无一不依赖于一个快速、稳定、安全且不断创新的网络平台。

一个停滞不前或碎片化的网络，将直接损害谷歌通过内容和服务变现的能力。

因此，资助 Chromium 不仅仅是为了支持一个浏览器产品，更是为了维护其价值数万亿美元生态系统的基础架构。

与此同时，谷歌可以继续引导网络标准，确保网络平台向着有利于其先进广告技术、富媒体内容和复杂网络应用的方向演进。

当然，防止像苹果（拥有 WebKit 引擎）这样的竞争对手主导网络标准的发展方向，从而避免其核心服务在未来的网络环境中处于不利地位，也是谷歌的目的。

因此，可以将 Chromium 视为谷歌的一项战略性护城河，而非仅仅是其某个产品的依赖项。

司法部的补救措施旨在拆除 Chrome 这个用于巩固搜索垄断的产品，但谷歌的商业模式本身依赖于整个开放网络平台的健康。

塑造这个平台的关键力量正是 Chromium 的 Blink 引擎。因此，即使失去了 Chrome 产品，谷歌通过投资 Chromium 来影响网络平台演进的动机依然存在。

这已不再是为了一个被剥离的产品，而是为了保护其核心收入流免受平台级风险（例如，网络演进方向被苹果主导，或变得过于碎片化而难以有效变现）的战略投资。

对 Chromium 的资助，是谷歌为维护其商业帝国根基而必须承担的公共工程开销。

那么，剥夺 Chrome 真的反垄断了吗？

维护成本

维护 Chrome 及其基础 Chromium 项目是一项规模宏大的工程，其成本和复杂性堪比开发一个完整的操作系统。

这里我们暂时跳过对 Chromium 开发的问题，留到之后讲 Ladybird 的时候再说。我们先来聊聊 Chrome 的安全问题。

安全保障依赖于快速响应。Chrome 大约每 4 到 6 周发布一次完整的浏览器更新，而包含关键安全修复的次要更新则每 2 到 3 周发布一次。

几乎每一次更新都包含安全补丁，且所有补丁都应被视为同等重要。这种高强度的更新节奏需要一支庞大、专业的安全与发布工程团队。

换句话说，像 OpenAI 和 Perplexity 这样的 Chrome 潜在买家，虽然估值高达数百亿甚至数千亿美元，但它们自身也在为核心的 AI 业务，消耗数十亿美元的现金。

这些公司的核心竞争力在于大型语言模型，而非为拥有数十亿终端的客户端应用管理一个全球性的安全基础设施。

因此，安全负担本身就成为一个巨大的、非显性的壁垒。收购方买下的不只是一个庞大的用户群，更是继承了一场需要永久投入的网络战争。

这极大地限制了合格候选者的范围，甚至让人们对剥离方案本身的可行性产生了疑问。

（所有因谷歌向 Chrome 投入的安全奖励等，Chromium 都属于间接受益者）

除此之外，司法部的目标是，“将市场从反竞争行为中解放出来并恢复竞争”。法院认定的损害在于谷歌利用其主导性资产（Chrome）来保护另一个主导性资产（搜索）。

然而，若将 Chrome 出售给像 OpenAI 这样资金雄厚的实体，很可能并不能解决根本性的反垄断问题，而只是将其转移到下一个技术范式中。

OpenAI 收购 Chrome 将完美复制谷歌的模式：利用一个市场主导的资产（Chrome）来巩固其在人工智能代理和 AI 驱动信息检索这一新兴且可能更为关键市场中的领先地位。

这就产生了一个垄断悖论，为解决一个垄断而采取的补救措施，却直接为下一个垄断的形成播下了种子。监管机构可能只是解决了昨天的问题，却创造了明天的问题。

因为任何一个拥有 Chrome 市场力量的竞争者，都可以轻易地使其 AI 服务成为互联网的默认入口，这与拆分谷歌的初衷背道而驰，并未解决垄断的实质性问题。

基金会

面对企业出售可能带来的种种弊端，一个更具建设性的替代方案浮出水面。将 Chromium 项目置于一个中立的、非营利性基金会的管理之下。

该方式被广泛认为是确保 Chromium 作为关键网络基础设施能够持续健康、中立发展的最佳途径。

基金会的运作可以效仿 Linux 基金会或 Apache 软件基金会等成功的开源组织。

治理权将由包括谷歌、微软、Opera 等依赖 Chromium 生态系统的主要利益相关方共同分享。

而基金会的运营资金将由依赖该生态系统的成员组成的联盟共同提供。这种模式分散了财务负担，并能有效防止任何单一公司施加不当影响。

以上内容只是简单的蹭个热点，这一篇文章还是给大家介绍 Ladybird

Ladybird

Ladybird 的起源可追溯至 SerenityOS 项目，这是一个完全从零开始构建的爱好者桌面操作系统。

最初，Ladybird 仅是该系统内一个功能简单的 HTML 查看器。这段历史对其后续发展至关重要，因为它奠定了项目第一性原理的开发文化，即不依赖现有框架，而是通过直接实现基础规范来构建系统。

项目的关键转折点是其创始人 Andreas Kling 的决定，他宣布从 SerenityOS 的日常维护中退出，将全部精力投入到 Ladybird 的开发中，并将其从 SerenityOS 中分支出来，成为一个独立的、支持跨平台的项目。

为了确保项目的长期独立性和使命驱动，团队正式成立了 Ladybird 浏览器倡议（Ladybird Browser Initiative），这是一个在美国注册的非营利组织。

这一组织形式从法律上确立了其公共利益属性，而非商业盈利目标。

透明

Ladybird 的核心开发哲学是严格的网络标准优先方法。开发团队直接依据万维网联盟（W3C）和网页超文本应用技术工作组（WHATWG）等标准组织发布的规范文档来从头实现各项功能。

这种做法与当前由市场主导者通过其浏览器实现来事实性定义标准的模式形成了鲜明对比。

项目致力于完全的透明度，其所有开发活动均在GitHub 上公开进行，社区的主要沟通则通过 Discord 服务器完成，任何人都可以参与讨论和贡献代码。

此外，项目将用户隐私置于核心地位。其发展规划中包含了内置的广告拦截功能，并明确拒绝任何形式的用户追踪和数据变现方案。

经济

Ladybird 的项目资金完全来源于个人和企业的无条件捐赠与赞助，这一模式与主流浏览器的商业模式截然不同。

当前大多数浏览器，包括开源的 Firefox，其主要收入来源于与搜索引擎签订的默认搜索引擎协议。（详见上文）

Ladybird 的非营利、纯捐赠模式并不仅仅是一种另类的筹资策略，更是其技术和伦理独立性的结构性保障。

主流浏览器如 Firefox 的主要收入来源是搜索引擎的合作费用，这在财务上形成了一种强大的激励，使其在决策时必须考虑搜索引擎提供商的目标。

这些目标通常涉及用户数据收集以支持广告业务，这与保护用户隐私的初衷可能存在冲突。

Ladybird 通过其组织章程和公开承诺，从制度上切断了这一收入来源。通过在组织层面消除这种潜在的利益冲突，项目确保其技术决策（例如，实现更强的隐私保护功能、默认拦截追踪器）永远不会因为需要取悦财务合作伙伴而受到影响。

因此，其经济模式是其用户中心理念得以实现的坚实基础。

功能

当然，我们也得回到现实，Ladybird 它好用嘛？

Pre-Alpha

目前，Ladybird 仍处于预 Alpha 开发阶段，尚不适合普通用户日常使用。

想要体验该浏览器的用户必须从源代码自行编译，这对于水友们来说虽然不难，但对普通大众还是有较高门槛的。

尽管如此，项目保持着活跃且快速的开发节奏，团队通过发布月度进展视频等形式向社区通报最新成果。

其中会展示关键指标，如合并的拉取请求数量、新增贡献者人数以及通过的网络平台测试（Web Platform Tests, WPT）数量，这些都证明了项目的健康发展态势。

兼容性

在衡量浏览器引擎标准兼容性的权威基准，WPT 测试套件中，Ladybird 取得了令人瞩目的进展。截至 2025 年 3 月，其测试通过率排名第四，仅次于 Chrome、Safari 和 Firefox 这三大成熟的浏览器引擎。对于一个从零开始的新引擎而言，这是一个非凡的成就。

JS 性能

Ladybird 自研的 JavaScript 引擎 LibJS 在标准符合性方面表现同样出色。WPT 的测试结果显示，LibJS 是仅次于 Firefox 的 SpiderMonkey 引擎的第二大符合规范的 JavaScript 引擎。

架构

Ladybird 的技术核心是其完全自研的引擎组件：LibWeb 和 LibJS。

LibWeb 负责处理 HTML 解析、DOM 构建、CSS 渲染等所有与网页内容呈现相关的任务。

而 LibJS 则是一个完整的 ECMAScript 引擎，负责执行网页中的 JavaScript 代码。

项目最初完全使用 C++ 语言编写，这主要是继承自其在 SerenityOS 项目中的技术选型。

独立之后，团队正在积极评估并计划引入一种内存安全的语言（如 Swift）作为项目的第二开发语言，以期在未来提升代码的安全性和健壮性。

此外，在代码量上，Ladybird 的 C++ 代码约为 42.5 万行，而 Chromium 项目的代码量则高达约 3200 万行以上。（虽然少了几个平台吧，但是整体来说确实很精简了）

这种精简的架构带来了多重优势。

首先，它显著降低了维护成本和复杂性。

其次，更小的代码库使得新贡献者更容易理解整个系统的运作方式，从而降低了参与门槛。

最后，这种可破解性（hackable）的特质鼓励了实验和创新，为快速迭代和实现新功能创造了有利条件。

像 Blink 和 Gecko 这样的浏览器引擎，是经过数十年开发、积累了数百万行代码的庞大系统，它们不可避免地携带了支持旧标准和适应架构演进所产生的历史复杂性。

相比之下，Ladybird 诞生于 2020 年代，能够从一开始就基于现代软件工程原则（如多进程隔离、内存安全）进行全新设计，无需对庞大而根深蒂固的旧代码进行重构。

其显著更小的代码库，更易于单个开发者全面理解，这降低了项目对少数核心开发者的依赖，并有助于做出更具整体性的架构决策。

这意味着，在实现新的网络标准或进行架构调整时，Ladybird 可能比那些受制于庞大遗留系统惯性的老牌引擎更加迅速。

多线程

Ladybird 采用了现代化的多进程架构，这是其安全设计的核心。该架构将主用户界面进程与多个沙盒化的 WebContent 渲染进程严格隔离，每个浏览器标签页都运行在自己独立的渲染进程中。

此外，图像解码和网络请求等敏感操作也被置于独立的进程中处理。

这种设计被认为是关键的安全优势。通过将不同功能的模块分散到隔离的进程中，即使某个渲染进程因处理恶意网页内容而崩溃或被攻破，其影响也会被限制在该进程的沙盒内，从而保护主 UI 进程和整个操作系统的安全，极大地减小了攻击面。

挑战

要成为一个可行的主流浏览器替代品，Ladybird 面临的首要技术挑战是实现与现代浏览器的功能对等。

这是一个艰巨的任务，因为它不仅意味着要实现数量庞大且不断扩展的 Web API，还需要在各种各样的网站上实现像素级的精确渲染，并支持浏览器扩展、高级媒体编解码器等复杂功能。

项目目前仍处于让它能用（make it work）的阶段，未来必须过渡到让它好用（make it good）和让它快（make it fast）的阶段。

这意味着需要对渲染管线和 JavaScript 执行进行深度优化，这是一个资源密集型且需要持续投入的长期过程。

在安全方面，除了已有的架构级沙盒隔离，还需要进行持续的安全加固。现代浏览器的安全维护成本极高，谷歌等公司每年在漏洞赏金计划（Bug Bounty）上投入数百万美元，而在 Pwn2Own 等顶级黑客大赛上，针对主流浏览器的零日漏洞利用更是屡见不鲜。

Ladybird 要想获得用户信任，就必须建立起同样强大的安全响应和防御体系。

Ladybird 最大的非技术性障碍，不仅仅是构建浏览器本身，而是要克服网络生态中自我强化的 Chromium 反馈循环。

由于 Chromium 在市场上的主导地位，绝大多数 Web 开发者会优先在 Chrome 中测试他们的网站。这导致了一个事实上为 Blink 引擎的特定实现（包括其存在的 bug 和非标准行为）而优化的网络。

当像 Ladybird 这样的新浏览器正确地实现了某个标准时，它在访问那些依赖于 Chromium 特定怪癖的网站时，反而可能会出现渲染错误。

尽管 Ladybird 的行为更符合规范，但在用户看来，网站却 bug 了。

这种现象会给用户和开发者造成新浏览器充满 bug 的印象，从而进一步巩固了他们对 Chromium 的偏好。

因此，Ladybird 不仅要做到标准兼容，还可能需要花费大量工程资源去实现对这个以 Chromium 为中心的网络的兼容性。

勇士

勇者斗恶龙的故事我们听过不少。Ladybird 的出现，就像是这个被 Chromium 巨龙阴影笼罩的王国里，一位敢于拔剑的勇士。我们为它的勇气喝彩，也为它渺茫的胜算担忧。

我们总会下意识地问：这位勇士最终会变成新的恶龙吗？

但这或许从一开始就问错了问题。

谷歌与美国司法部的博弈，以及未来可能出现的 Chrome 新主人，本质上都是在讨论由谁来坐上铁王座。

反垄断的利剑挥下，或许能砍倒一位国王，但只要王座还在，就总会有下一个觊觎者。

将 Chrome 从一家巨头手中交给另一家，很可能只是将皇冠从一个国王，交给了另一个国王，却丝毫没有改变我们都活在国王掌控之下的事实。

这正是 Ladybird 带来的、超越勇士斗恶龙的真正意义。

它不是为了成为新的国王，而是作为一名信使，带来一个振聋发聩的消息。

世界本不必有国王。

Ladybird 的价值，不在于它能否在短期内取代 Chrome，而在于它的存在本身，就是对当前网络世界唯一最优解的有力证伪。

它以每一行从零写下的代码证明，通往未来的道路不止一条。它可以是一条回归开放、由社区共建、将用户而非数据放在首位的道路。

这让我们每个人的每一次选择，都变得前所未有的重要。

当我们选择浏览器时，我们选择的不仅仅是一个工具，更是在为我们想要的未来投票。

是选择一个由高效、仁慈但唯一的君主统治的中央帝国，还是选择一个充满多样性、或许有些混乱（真的很混乱吗？比如 Mastodon vs X）但充满韧性和自由的城邦联盟？

反垄断的最终目的，或许不应是扶持更多的公司去争夺王座，而是要确保我们永远拥有创造一个没有王座的世界的权利和可能。

而像 Ladybird 这样的项目，正是守护这份可能性的星星之火。

护眼小卫士

Sat, 23 Aug 2025 07:20:00 GMT

科技发展迅速，各种电子产品在疯狂的发布，近年来屏幕越来越贴近我们的眼睛，从电视，电脑，再到大哥大，智能手机，现在 VR，MR 等，屏幕已经来到了眼前。护眼不仅是一个经常被厂商拿来宣传的东西，更是我们真的应该仔细思考的问题了。

美国普通上班族每天在电脑前花费的时间长达七小时，而儿童和青少年每天使用屏幕的时间甚至可能达到六到九小时。这种前所未有的屏幕暴露时长，导致了视觉相关不适症状的急剧增加。计算机视觉综合征 (Computer Vision Syndrome, CVS) 的患病率已超过 69%，成为一个普遍的公共健康问题。

计算机视觉综合征

计算机视觉综合征 (CVS)，又称数字眼疲劳 (Digital Eye Strain, DES)，被美国验光协会 (American Optometric Association, AOA) 正式定义为“与近距离工作相关的，在计算机使用期间或之后出现的一系列复杂的眼部及视觉问题” 。

具体可分为两大类，

眼部症状 (Ocular Symptoms): 眼疲劳、头痛、视力模糊、干眼症、眼部刺激感、烧灼感、发红、畏光、流泪、复视等。
眼外症状 (Extraocular Symptoms): 因不良姿势（通常是为了补偿视觉困难）而导致的颈部、肩部和背部疼痛。

CVS 并非由屏幕发出的某种神秘辐射引起，而是源于视觉系统在应对数字屏幕独特需求时产生的生理性过载。

长时间注视数字屏幕会对眼睛造成多方面的负担。为了将屏幕上由像素构成且不断闪烁的文字清晰聚焦，眼内的睫状肌必须持续收缩，这种高负荷的工作相比于阅读静态印刷品更容易导致肌肉疲劳，从而表现为眼部酸胀和视力模糊。

同时，观看近处物体时双眼需要向内聚合，长时间保持这种状态会对控制眼球运动的眼外肌造成持续性压力，可能引发眼部不适甚至复视。

此外，人们在注视屏幕时眨眼频率会显著降低，这减少了泪膜在角膜表面的均匀涂布，导致泪液蒸发过快，眼球失去润滑，进而引发干涩、刺激和烧灼感等干眼症状。

所以 CVS 的本质并非一种由屏幕发射物直接造成的眼部疾病，而更应被理解为一种影响整个视觉系统（包括眼内肌、眼外肌、泪膜系统乃至身体姿势）的重复性劳损 (Repetitive Strain Injury, RSI)。

2023年的一项综合性荟萃分析报告指出，全球CVS的总体患病率高达 69.0%。其中，大学生群体的患病率尤其突出，达到了 76.1%，这与长时间使用电子设备进行学习以及普遍不良的人体工学习惯密切相关。

Kahal, F., Al Darra, A., & Torbey, A. (2025). Computer vision syndrome: A comprehensive literature review. Future Science OA, 11(1), Article 2476923. https://doi.org/10.1080/20565623.2025.2476923

科学用眼

20-20-20

每使用屏幕20分钟，抬头看20英尺（约6米）以外的物体，持续至少20秒。

因为远眺能让睫状肌得到彻底放松，打破导致聚焦疲劳的持续性调节痉挛。20秒的持续时间是确保肌肉完全松弛的关键。同时美国验光协会进一步建议，在每连续使用屏幕两小时后，应进行一次15分钟的较长时间休息。

距离

屏幕应距离眼睛 50-70 厘米，屏幕中心应位于视线水平下方 15-20 度。屏幕顶部应向后倾斜 10-20 度。调整屏幕位置，避免窗户或头顶灯光在屏幕上形成反光。如果无法改变环境，使用防眩光贴膜是更好的选择。

除此之外，未矫正的屈光不正是最容易造成 CVS 的。因此，定期的全面眼科检查至关重要。这不仅是为了确保近视、远视、散光等问题得到矫正，更是为了获得一副针对计算机使用距离优化的处方。

许多人日常使用的远用眼镜或老花镜，其焦点并非为 50-70 厘米的屏幕距离而设计，佩戴不合适的眼镜工作，本身就会导致额外的视觉压力。

以上便是最基础的科学用眼，以及我们可以在任何情况下进行调整的方案。

我们经常能看到各种厂商进行宣传，包括但不限于，护眼屏，防蓝光等，真的有效果吗？它们究竟是宣传的手段，还是更有用的护眼方式呢？

屏幕

蓝光

在科学界，包括美国眼科学会 (American Academy of Ophthalmology, AAO) 在内的全球主要眼科权威机构均确认，目前没有科学证据表明来自数字设备的蓝光会对人眼造成器质性损伤。

屏幕发出的蓝光剂量远低于我们从主要蓝光来源太阳光中所接收到的量。虽然一些动物实验在极端、高强度的蓝光照射下观察到细胞损伤，但这些条件与人们日常使用屏幕的情况完全不具可比性，因此不具备临床指导意义。

但是蓝光会对我们的睡眠造成影响，在夜间，蓝光会抑制大脑中调节睡眠的激素，褪黑素的分泌。这会干扰人体的自然睡眠觉醒周期，导致入睡困难和睡眠质量下降。

因此为了更好的睡眠，在睡前 2-3 小时停止一切电子屏幕的使用是正确的，当然，现在各个系统自带的“夜览”或“护眼模式”，将屏幕色温调暖，同时降低屏幕亮度，可以减少因为蓝光所造成的影响。

频闪

传统的使用 LED 背光的显示器，通常通过一种名为脉冲宽度调制 (Pulse-Width Modulation, PWM) 的技术来调节亮度。其本质是让背光以极高的频率进行开关闪烁。

尽管这种闪烁速度快到人眼无法察觉，但我们的瞳孔和整个视觉系统仍然必须对这种亮度的剧烈变化做出反应。

这种持续、微妙的瞳孔缩放调节，是导致眼疲劳、头痛和视觉压力的一个重要但常被忽略的因素。与之相对，无频闪 (Flicker-Free) 显示器采用直流调光 (DC Dimming) 技术，通过直接调节供给背光模组的电流大小来控制亮度，从而提供一个稳定、持续的光源，从根本上消除了这种由调光引起的频闪压力。

电气和电子工程师协会 (IEEE) 发布的标准 (IEEE 1789) 也已承认 LED 照明频闪对健康的潜在影响。

URL 待补充

反射屏

LCD/OLED 屏幕是发光型 (emissive) 显示技术，它们主动产生光线，并直接射入用户眼中。而电子墨水屏 (E Ink / ePaper) 是反射型 (reflective) 技术，它本身不发光，像普通纸张一样，依靠反射环境光来让用户看到内容。

一项由 E Ink 公司委托进行的标志性研究发现，暴露于发光型显示器（如 LCD）的光线会诱导视网膜细胞产生活性氧 (Reactive Oxidative Species, ROS)，这是一种细胞应激的标志物。

研究结论指出，与LCD屏幕相比，使用带有暖色前光的电子墨水屏对视网膜细胞的压力最多可降低至三分之一。一个不开启前光的电子墨水屏，其本身不发射任何蓝光，对眼睛造成的压力与一张白纸无异

Wang, X., Hertel, D., Garone, L. C., & Rogers, R. A. (2023). Comparison of oxidative stress response of in vitro retinal cells exposed to blue light from emissive versus reflective displays. Journal of the Society for Information Display, 31(3), 112–124. https://doi.org/10.1002/jsid.1191

（不过我得说一嘴，这种研究还是理想环境，没有做真正的人体实验，所以实际上墨水屏究竟真的是否护眼，还是和如何用眼有关）

Dark Mode

我们通常所说的“浅色模式”在技术上称为正极性 (positive polarity)，即在浅色背景上显示深色文字。而“深色模式”则称为负极性 (negative polarity)，即在深色背景上显示浅色文字。

明亮的背景（正极性）会使瞳孔自然收缩。更小的瞳孔可以增加景深，并减少眼球晶状体的光学像差，从而使视网膜上的成像更锐利、更清晰。相反，深色背景会导致瞳孔放大以接收更多光线，这反而会使保持清晰聚焦变得更加困难。

根据一篇 2013 的论文结果，在“黑字白底”的条件下，参与者的阅读速度更快、准确率更高。这一优势在年轻和年长两个年龄组中都得到了验证，证明其具有普遍性。

URL 待补充

散光是一种极为常见的屈光不正，其特征是角膜（或晶状体）的形状不规则，更像橄榄球而非完美的球体，导致光线无法在视网膜上形成单一的焦点。据 AAO 不完全统计，需要佩戴眼镜的人群中，高达47%的人有显著的散光问题。

而对于散光患者而言，深色背景导致的瞳孔放大，与他们本身不规则的屈光系统相结合，会产生一种特殊的视觉现象。浅色文字的边缘会显得模糊，并向黑色的背景中渗出或发散，形成一种光晕。

这种情况被称为光晕效应的现象，会严重降低文本的清晰度和易读性，增加视觉疲劳。

（但是，我作为 Darkmode 极致爱好者，从 iOS 13 开始，到现在大概六年时间，我的散光没有很明显的增加，而且我非常讨厌白底黑子的大白底，感觉眼睛疼。）

深色模式经常被宣传为一种普适的无障碍或护眼功能，但科学证据揭示了其本质是一种可访问性的权衡。

它在特定情境下（低光环境）为部分用户提升了舒适度，但同时却为占人口近半数的散光患者主动制造了易读性障碍。从人因工程学和视觉科学的角度来看，客观性能和易读性应优先于主观舒适度，尤其是在执行关键任务时。

一种让人感觉舒适但却降低阅读速度和准确性的模式，从根本上说是一种设计不佳的界面。尽管深色模式在暗光下可能感觉不那么刺眼，但如果这种舒适感是以牺牲文本清晰度为代价的，它会迫使视觉系统更努力地工作来辨认内容，长期来看反而可能加剧眼疲劳。

因此，默认推荐应始终是提供最高易读性的模式（正极性），而深色模式则应作为一种针对特定环境的可选设置，而非一个更优的默认选项。

总结（保命）

需要强调的是，文中的所有策略因人而异。尽管一个有高度散光的用户应坚决优先使用浅色模式。一个每天需要阅读大量文献的研究人员，投资一台电子墨水屏阅读器将是回报最高的健康投资。一个经常在夜间工作的用户，可能会在非阅读任务中从深色模式的主观舒适度中受益。但还是应根据自身的视力状况、主要任务类型和工作环境，对上述建议进行个性化调整。

视觉人因工程学领域在不断发展。未来，我们可能会看到更多智能化、个性化的护眼技术。

例如，基于人工智能的软件可以通过摄像头监测用户的坐姿和眨眼频率，并提供实时反馈提醒。自适应显示技术也正在研发中，这类屏幕能够根据环境光线的变化和用户的生物识别数据（如瞳孔大小）自动调整其显示参数，以期在任何条件下都能提供最佳的视觉体验。

所以让我们期待这些新技术，这篇文章主要是有人和我讨论关于 Darkmode 是不是一个不好的模式，所以我才去找了找相关的文章。

当然，Darkmode 这个东西，还有一个很重要的事情，就是它对 OLED 可以更省电，这也是应该是为什么很多公司习惯性的去推销这个模式的主要原因。

以上就是这篇文章的全部内容了，感谢各位的阅读，如有任何观点欢迎评论，Blog 的新的评论区应该对比原本的更友善，我们下一篇文章再见~

钛合金 or 铝合金

Sat, 30 Aug 2025 14:37:00 GMT

距离今年的苹果发布会还有几天，我突然想起了苹果整的大活儿，从 iPhone 15 Pro 开始的钛合金边框要改回铝合金边框。

当然是据说，至于真假，如果是真的那……(ﾟoﾟ;; 这可真是大活儿，我个人是很喜欢钛合金的材质的，所以今天就来聊聊，钛合金与铝合金。

材料基础

铝合金

铝合金的特性由一套国际公认的四位数命名系统来定义，该系统由美国铝业协会 (The Aluminum Association) 建立。这套系统能精确描述合金的化学成分。

1xxx 系列接近纯铝 (纯度 99% 以上)，强度较低，但耐腐蚀性、导电性和加工性极佳。

3xxx 系列主要合金元素为锰，强度适中，不可通过热处理强化。

5xxx 系列: 主要合金元素为镁，具有中高强度和出色的抗海水腐蚀能力。

6xxx 系列主要合金元素为镁和硅，用途广泛，可通过热处理强化，在强度、成型性和耐腐蚀性之间取得了良好平衡。部分 iPhone 机型曾使用 6xxx 系列铝合金。

7xxx 系列主要合金元素为锌，是强度最高的铝合金系列。通过热处理，其强度可媲美某些钢材，因此常用于航空航天领域。

苹果也在其 Apple Watch 等产品中使用过定制的 7xxx 系列合金。

（第二位数字表示对原始合金的修改，而后两位数字则用于标识系列中的特定合金。）

在材料学中，仅仅知道合金的化学成分是不够的。

在四位数字编号之后，通常会有一个以横杠连接的后缀，如 -T6。这被称为回火状态 (Temper Designation)。

它描述了合金在成型后所经历的机械或热处理过程，这一过程极大地影响了其最终的强度、硬度和延展性。

F (自由加工状态): 未进行特殊控制。
O (退火状态): 这是合金最软、强度最低的状态，以获得最佳的延展性。
H (应变硬化状态): 适用于 1xxx、3xxx、5xxx 等不可热处理的合金。通过冷加工 (如冷轧) 来提高强度。后缀的第二位数字 (如 Hx2, Hx4, Hx8) 表示硬化程度，从 1/4 硬到全硬。
T (热处理状态): 适用于 2xxx、6xxx、7xxx 等可热处理的合金，通过特定的加热和冷却循环来显著提高强度。例如，T6 是一种非常常见的高强度状态，指材料经过固溶热处理后，进行人工时效（Artificial Aging），从而达到优异的机械性能。

钛合金

与铝合金复杂的命名体系不同，钛合金的分类更为直接，通常使用 Grade 来区分。

Grade 1 至 Grade 4 是商业纯钛 (Commercially Pure, CP)，主要区别在于允许的杂质含量 (如氧和铁)，这决定了它们的强度和延展性。

（Grade 1 最纯、最软，而 Grade 4 强度最高）

Grade 5 (Ti-6Al-4V) 是最著名、应用最广泛的钛合金，其成分包含 6% 的铝和 4% 的钒，这种组合使其强度远超纯钛，同时保持了良好的可焊性和韧性。

正是这种 5 级钛合金被用于航空航天关键部件以及 iPhone 15/16 Pro 的边框。

加工

当然，以上都是材料的属性，材料的理论属性最终必须面对量产的现实考验。铝和钛在加工性上的巨大差异，是影响成本、生产速度和良率的核心因素。

铝合金以其优异的可加工性而闻名，可以被看作用热刀切黄油。

它可以进行高速 CNC (计算机数控) 切削，刀具磨损小，生产效率高，非常适合大规模、低成本的精密制造。

而钛合金的加工则困难得多，可以认为是在钻石上雕刻。

其高硬度和极差的导热性，在加工过程中产生的热量会聚集在刀尖而不是随切屑散走，这会导致刀具快速磨损甚至烧毁。

因此，加工钛合金必须采用更慢的切削速度、更昂贵耐磨的特种刀具以及高压冷却系统。

这不仅大幅推高了制造成本，也显著延长了生产周期，并带来了更高的废品率风险。

（不过苹果嘛，怕废品率吗？不怕，高利润在那里摆着呢🐶）

实战

上面都是些前置内容，在手机上还是要看实用性，一个边框好不好，不仅是良品率等生产条件，更应该看待在消费者手中的实用价值。

强度

钛合金，特别是 iPhone 15 Pro 所使用的 5 级钛合金 (Ti-6Al-4V)，其最显著的优势在于其卓越的强度重量比。

钛合金的抗拉强度可达 900 至 1200 兆帕 (MPa)，远高于即便是高强度的 7075-T6 铝合金 (约 570 MPa)。

这意味着在同等强度要求下，钛合金可以做得更薄、更轻，从而在不牺牲结构完整性的前提下减轻设备重量，这正是 iPhone 15 Pro 实现减重的一个关键因素。

此外，钛合金的硬度也明显优于铝合金。5 级钛合金的布氏硬度 (HB) 约为 330，而 7075-T6 铝合金则在 150 左右。更高的硬度意味着更好的抗刮擦和抗凹陷能力，这对于日常使用的消费电子产品而言，是一个显而易见的优势。

谁不希望更耐用呢？

导热

就像之前说的，铝合金是优良的热导体，其导热系数约为 205-235 W/m·K。而钛合金则是一种相对较差的热导体，导热系数仅为 17-22 W/m·K。

这意味着铝合金的导热效率是钛合金的 10 倍以上。在手机中，外部边框不仅是结构件，同时也扮演着被动散热器的角色。

它需要将内部核心组件 (如 SoC) 产生的热量高效地传导至设备表面，再通过与用户的手和周围空气的接触来散发掉。

一个铝合金边框能够有效地将内部热量抽出并大面积地散发出去，而钛合金边框则更像一个隔热层，会将热量困在设备内部，阻碍其散发。

不过，也因此，苹果工程师知道做散热了，这不是好事吗？

环保

众所周知，环保之母盯上了苹果。不过不调侃的来说，苹果在环保这一块确实还不错，至少比某些公司好。

无论是钛还是铝，其原生金属的生产都是能源密集型过程。钛的生产主要依赖于高耗能的克滚法 (Kroll Process)，而铝则通过霍尔埃鲁法 (Hall-Heroult process) 电解氧化铝制得。

但是，在循环经济方面，铝拥有压倒性的优势。铝可以被无限次回收而几乎不损失质量，其回收过程的效益极为显著。

与生产原生铝相比，使用回收铝可以节省高达 95% 的能源，并减少 92% 的二氧化碳排放。据说，人类历史上生产的所有铝中，至今仍有约 75% 在使用中，这证明了其高效的闭环回收体系。

Stena Recycling. (n.d.). The value of recycling metals for sustainability. Stena Recycling. Retrieved August 30, 2025, from https://www.stenarecycling.com/news-insights/insights-inspiration/guides-articles/the-value-of-recycling-metals/

相比之下，钛的回收可谓是更为复杂且成本高昂。尽管近年来出现了一些更具可持续性的新技术 (例如 IperionX 公司的 HAMR 工艺)，有望大幅降低回收钛的碳足迹，甚至低于原生铝，但这些技术尚未形成全球规模的成熟产业链。

对于苹果而言，选择铝合金能够完美契合其现有的企业叙事。铝回收的环保效益广为人知，易于理解，并且已经深深植根于消费者意识之中。

而钛回收的环保优势则需要大量的市场教育和沟通成本才能被消费者理解。从企业社会责任和市场沟通的角度来看，选择铝合金是向公众传达其绿色承诺的阻力最小的路径。

（什么？又拿环保说事儿？）

成本

从表面上看，成本差异始于原材料。钛合金的原料 (如海绵钛) 及其合金的采购成本本身就远高于铝合金，通常是后者的 10 到 15 倍。

然而，这仅仅是成本冰山的一角。在精密制造领域，尤其是对于 iPhone 边框这样复杂的部件，加工成本往往数倍甚至数百倍于原材料成本。

钛合金由于其高硬度、低导热性和在高温下易与刀具发生化学反应的特性，被公认为是一种极难加工的材料，其加工难度大约是铝合金的 10 倍。

比如，需要刚性更强的 CNC 机床和专门的硬质合金或 PCD (聚晶金刚石) 刀具，这些刀具磨损速度快，更换频繁，直接推高了运营成本。

同时，为了避免过热和保证精度，钛合金的切削速度必须大幅降低 (通常为 30-60 米/分钟)，而铝合金则可以进行高速切削 (150-1500 米/分钟)。

最后，由于钛合金导热性差，切削过程中产生的热量会聚集在刀尖，极易烧毁刀具。因此，必须使用高压、大流量的冷却液系统来强制降温。

从供应链的角度看，能够满足苹果在质量和数量上对钛合金加工苛刻要求的供应商数量有限，这造成了供应链的脆弱性。一旦核心供应商出现问题，很难迅速找到替代方案。

而铝合金加工能力在全球范围内非常普遍，这为苹果提供了更广泛的供应商选择，增强了供应链的弹性和冗余度。

Pro

那么问题来了，难道换铝合金真的只是为了降低成本吗？

从一个消费者的角度看，答案几乎是肯定的。不管是为了解决过热，还是为了迎合所谓的环保叙事，亦或是为了更高的良品率和供应链安全……这些理由追根溯源，最终都指向了更低的成本和更稳妥的利润。

与其在钛合金这种硬骨头上死磕，不如把精力和预算投入到更能影响财报的地方，比如 Apple Vision Pro 2 如何才能卖得更好😇。

坦白说，这几年的 iPhone，整的活儿确实越来越少了。对于我这种每年换新的年货党来说，新机到手那一刻的激动，似乎更多来自于一种惯性，一种对内心期待的兑现。

但这种期待究竟是什么？我喜欢的并不是今天的 Apple 本身，而是那个曾经一次次定义了“未来”的 Apple。

是 2007 年，乔布斯在台上滑动解锁第一代 iPhone 时，全世界的惊叹。

是 2008 年，他从一个牛皮纸袋里抽出薄如刀锋的 MacBook Air 时，那种不可思议的感觉。

是 Retina 屏幕第一次出现时，那种文字和图片从未如此清晰的震撼。

在那些时刻，苹果卖的不是一个产品，而是一个未来应该如此的笃定信念。我们购买的，也不仅仅是一部手机或一台电脑，而是信任的价值。

苹果应该是那个，用最优雅、最直觉的方式，解决我们甚至还没意识到的问题。这种信任，才是苹果生态真正的护城河。

所以，钛合金还是铝合金？这或许已经不那么重要了。真正重要的是，这次回归究竟是一次深思熟虑后、为了更高性能和更好体验的战略性重新校准，还是一次在创新乏力时向成本和利润的妥协？

这篇写的比较少，因为本来就是突然想到的事情，之后各大媒体肯定会蹭苹果热度，各位和我一起看个乐子吧～

游戏为什么优化烂？

Wed, 20 Aug 2025 08:40:00 GMT

为何游戏优化烂？

经常玩游戏的水友应该有所体会，近两年很多游戏的优化可谓是烂到极致。

因为这两天我想进行独立游戏的开发，所以顺便搜了一下有关于优化方向的资料，这一篇文章，就和大家分享一下，为何游戏优化烂！

TL; DR

因为游戏规模和引擎复杂度迅速膨胀，但开发者在赶工、依赖新技术和硬件兜底的心态下，往往没把持续优化当核心任务，导致硬件资源没吃满却依然卡顿。

当然如果真的只是这些，那我也不会单独写一篇文章了，我们先来定义一下，什么是优化差

优化

帧数不高？

游戏卡顿？

网络差？

究竟什么是优化差？

瓶颈

传统的 GPU 瓶颈，即显卡满载运行，成为帧率上限的决定因素。已不再是唯一，甚至不是最常见的性能问题，现代游戏的瓶颈呈现出多样化和隐蔽化的趋势。

单线程 CPU 瓶颈是其中最普遍的元凶之一。

尽管现代 CPU 拥有多个核心，但许多游戏引擎的核心逻辑循环，如物理计算、AI 决策、资源管理以及向 GPU 提交渲染指令（Draw Calls）等关键任务，仍然高度依赖于一个主线程或渲染线程。

任务管理器的 CPU 总体使用率是一个具有欺骗性的指标，因为它平均了所有核心的负载。如果这个关键的单线程在其分配的核心上达到 100% 的利用率，那么整个游戏管线就会被迫等待，无论其他核心多么空闲。

这就好比一条拥有八车道的高速公路，其中一条车道发生了严重堵塞，即便其他七条车道畅通无阻，整条公路的通行效率依然会急剧下降。最终反映在监控数据上，就是 CPU 总体占用率不高（例如 25%），但游戏帧率已达上限，并伴随因指令提交不及时而产生的卡顿。

内存与缓存延迟是另一个潜在的性能杀手。

游戏的流畅运行依赖于数据在不同存储层级间的高效流转，包括系统内存（RAM）、CPU 的多级缓存（L1, L2, L3）以及显存（VRAM）。

如果数据无法及时送达处理器，CPU 和 GPU 就会进入等待状态，产生空闲周期，从而导致性能下降和卡顿。

例如，玩家未在 BIOS 中开启内存的 XMP（Extreme Memory Profile），导致内存运行在远低于其标称的频率上，或者游戏代码本身的数据访问模式效率低下，都会造成这种瓶颈。

I/O 与存储瓶颈同样不容忽视。

随着游戏世界日益庞大和精细，实时从硬盘（HDD）、固态硬盘（SSD）中读取海量纹理、模型等资源的能力，直接影响着游戏体验，这一点在开放世界游戏中尤为突出，存储设备的读写速度成为决定游戏能否无缝加载新区域的关键。

遍历性卡顿

遍历性卡顿（Traversal Stutter）是沙盒开放世界或半开放世界游戏中一种极为常见的问题。

当玩家在游戏世界中快速移动，从一个区域进入另一个区域时，游戏画面发生的短暂冻结或明显的帧率骤降便是遍历性卡顿。

从技术上讲，这种卡顿的根源在于游戏引擎的关卡流式传输（Level Streaming）或世界分区（World Partition）系统。

为了在有限的内存中容纳庞大的游戏世界，引擎并不会一次性将所有地图资源加载进来，而是根据玩家的位置动态地从存储设备中加载即将进入区域的资源，并卸载已经远离的区域。

当这个加载过程不够迅速，或者与游戏主线程发生了冲突，导致渲染管线需要等待必要的资源（如高分辨率纹理、复杂的几何模型或关键的脚本数据）就位时，遍历性卡顿便会发生。

（有一说一我遇见过最严重的就是星空，捏脸的时候改个数据就卡一下，只能说真的厉害）

着色器编译

在所有类型的卡顿中，由着色器编译（Shader Compilation）引发的卡顿或许是最令 PC 玩家困扰的一种，因为它几乎与硬件性能无关，即使在最顶级的 PC 上也会发生。

着色器是运行在 GPU 上的一系列小程序，它们负责定义游戏中所有物体表面的最终外观，包括颜色、光照、阴影、反射、透明度等。而编译则是将开发者编写的高级着色器代码（如 HLSL）转换成特定 GPU 能够直接执行的底层机器码的过程。

问题的核心在于 PC 与主机平台在硬件架构上的巨大差异。

游戏主机（如 PlayStation 5 或 Xbox Series X/S）拥有固定且统一的硬件规格。

开发者可以在游戏开发阶段就针对这唯一的GPU型号，将所有需要的着色器预先编译好，并将这些编译完成的机器码直接打包进游戏本体中。

玩家下载游戏后，GPU可以直接运行这些现成的代码，不存在运行时编译的需求。

然而，PC平台则完全不同。市面上存在着来自 NVIDIA、AMD、Intel 三家厂商，跨越多个世代，数以千计的不同型号的 GPU，每一种都有其独特的指令集。

为某一款 NVIDIA GPU 编译的着色器机器码无法在 AMD 的 GPU 上运行。因此，PC 游戏不能直接分发最终的机器码，而是携带一种中间形态的、平台无关的字节码（Bytecode）。

当玩家在自己的电脑上运行游戏时，显卡驱动程序需要实时地将这些字节码翻译成当前 GPU 能够理解的机器码。这个翻译过程，就是着色器编译。

（关于机器码和字节码，我觉得各位水友应该能理解🤔）

除此之外，在旧的图形 API（如DirectX 11）时代，大部分编译工作由驱动程序在后台尝试管理，但效率不高。

而 DirectX 12 和 Vulkan 等现代 API 为了追求更高的效率和更底层的硬件控制，将着色器编译的管理责任更多地交还给了游戏开发者。

开发者需要通过一种名为管线状态对象（Pipeline State Object, PSO）的机制，提前告知驱动程序即将需要哪些着色器和渲染状态的组合。

如果开发者没有在游戏加载界面等合适的时机，通过预缓存（Pre-caching）机制，将游戏中可能用到的所有 PSO 都提前编译好，那么当游戏进行中首次遇到一个新的特效、一个新的敌人或一个新的场景时，引擎就只能向驱动程序请求编译，这个过程会阻塞整个渲染管线，导致长达数十甚至数百毫秒的停顿，从而引发一次剧烈且无法避免的卡顿。

（木卫四协议应该是比较有名的，还有编辑配置文件开启预加载，也是真的厉害）

惯坏了厂家

单线程瓶颈、遍历性卡顿和着色器编译这三类问题，表面上看是孤立的技术故障，但深究其根源，它们共同指向了一个更大的问题。

现代 PC 游戏开发流程中普遍存在的主机中心问题。

这些问题（单线程瓶颈、遍历性卡顿和着色器编译）之所以在 PC 上集中爆发，恰恰是因为它们都触及了 PC 与主机在核心架构上的根本性差异。

游戏的核心工程决策、系统架构和性能目标都是围绕主机的固定范式建立的，PC 平台特有的硬件多样性、驱动复杂性、API管理责任，则在开发过程中被低估、资源投入不足，或被推迟到开发周期的末尾才仓促应对。

由于PC版本在发售时常带有根本性的技术缺陷，开发者越来越依赖于发售后通过补丁来亡羊补牢。

这种模式逐渐常态化，使得发布技术上未完成的游戏成为一种可接受的商业行为，这不仅将质量保证的责任从开发工作室转移给了付费玩家，也进一步强化了外界对于 PC 优化是低优先级事项的认知。

这种状况进而催生了一个恶性循环，最终导致了当前 PC 游戏优化水平普遍下降的局面。

所以，什么是优化差？

虽然很难一言蔽之，但是我们可以将，突然的卡顿，对硬件的不当使用行为，统称为优化不佳。换句话说，当 CPU/GPU 占用率很低的同时，游戏非常的卡，就可以算是优化差。

当然，这里并没有讨论联机游戏的优化问题，其实很多时候联机的优化差并不是因为土豆服务器，而是因为客户端与服务器端的连接逻辑有问题。

Unreal Engine 5

UE5，的两大核心技术，Nanite 虚拟化几何体和 Lumen 动态全局光照与反射，为游戏开发者描绘了一幅前所未有的、接近电影级CG画质的蓝图。

然而，这场视觉盛宴的背后，是巨大的性能开销。UE5 在推动行业进步的同时，也从根本上改变了性能与画质的平衡点。

（虽然这一切 UE5 可能只是个必定的产品，或者因为我主要知道的影响画面的游戏引擎是 UE5，但不得不说它作为高质量画质的、一大有名的游戏引擎，可以单独拉出来说说）

Nanite

Nanite的核心理念是解决长期困扰游戏美术师的多边形预算问题。

在传统流程中，美术师需要为同一个模型手动创建多个不同精细度的版本，即细节层次（Level of Detail, LOD），以确保远处的物体不会因为渲染过多的、肉眼无法分辨的细节而浪费性能。

Nanite 通过其虚拟化微多边形几何体系统，实现了这一过程的自动化和智能化。

它能够实时地、以像素级的精度渲染海量的几何细节，只处理摄像机能够感知到的部分，从而理论上允许开发者直接使用影视级的、拥有数百万甚至数千万多边形的模型，极大地解放了艺术创作力，并节省了大量的 LOD 制作时间。

然而，Nanite 的强大功能并非没有代价。

它并非一个免费的性能优化工具，而是引入了一套全新的渲染管线，这套管线本身就存在着不可忽视的基准性能开销。

各种测试已经随处可见，对于那些已经通过传统 LOD 方法进行了良好优化的场景，或者由大量低多边形实例构成的场景，强行启用 Nanite 有时反而会导致性能下降。

Nanite 的优势在于处理极端复杂的、前所未有的几何密度，但在中低复杂度的场景下，其固有的管理和调度开销可能会超过传统渲染方法的效率。

此外，当前版本的 Nanite 仍存在诸多技术限制。例如，它对骨骼动画网格（Skeletal Mesh）的支持仍处于实验阶段，对透明、半透明等特定材质类型不兼容，并且其高效的流式数据加载能力高度依赖于高速 SSD 作为存储介质。

这意味着开发者在使用 Nanite 时必须理解其适用范围，并不能将其视为解决所有几何渲染问题的万金油。

Lumen

Lumen 是 UE5 的另一大支柱，它是一个全动态的全局光照（Global Illumination, GI）和反射系统。

在 Lumen 出现之前，游戏中的间接光照（即光线在物体表面多次反弹形成的环境光）大多需要通过烘焙（Baking）的方式预先计算并存储在光照贴图中。这种方法虽然高效，但完全是静态的，无法响应场景中的任何动态变化。

Lumen 彻底改变了这一点，它能够实时计算光线的无限次反弹，产生高度逼真的色彩溢出、柔和阴影和环境光遮蔽效果，使得动态光源、可破坏环境和动态时间变化下的光照表现达到了前所未有的真实感（取自 UE5 宣传语）。

根据 Epic Games 官方发布的技术文档，Lumen 的性能目标从设计之初就锚定了次世代游戏主机（PS5, Xbox Series X/S），其目标是在这些主机上以 30 FPS 或 60 FPS 运行，但其内部渲染分辨率仅为 1080p。

最终输出4K画面则严重依赖于引擎内置的时间超级分辨率技术（Temporal Super Resolution, TSR）进行升频。

（换句话说，PS4 Pro 开始就在狂推的 4K，到今年已经快 10 年了，结果我们还在体验原生 1080p 🤣）

为了在不同硬件上提供可伸缩的性能，Lumen 提供了两种主要的光线追踪模式。

软件光线追踪（Software Ray Tracing）是默认选项，它不依赖于显卡的光追核心，而是利用距离场（Distance Fields）来近似计算，速度更快，但精度和质量相对较低。

硬件光线追踪（Hardware Ray Tracing）则利用现代 GPU（如 NVIDIA RTX 和 AMD RDNA2+ 系列）的专用光追单元，能够提供更精确、更高质量的光照和反射效果，但性能开销也随之剧增，并且对场景的复杂度和物体遮挡关系极为敏感。

超分

将 Nanite 和 Lumen 综合来看，要在主流的高分辨率（如 1440p 或 4K）下，以流畅的帧率（60 FPS 以上）运行一款同时开启这两大核心功能的 UE5 游戏，Upscaling 技术已从一个可选项，演变成了一个事实上的必需品。

那么，在追求顶级画质的道路上，死磕原生分辨率性能是错的吗？更明智的选择真的是充分利用引擎内置的、以超分为导向的先进功能吗？

DLSS / FSR

超分，或者说 Upscaling 技术，特别是 NVIDIA 的 DLSS 和 AMD 的 FSR，已成为现代 PC 游戏领域一个无法回避的话题。

这项技术究竟是弥补优化不足的拐杖，还是驱动下一代图形技术发展的必要核心？

必需品

超分技术的定位在短短几年内发生了根本性的转变。在早期，DLSS 和 FSR 被普遍视为一种性能增强工具，主要面向那些使用中低端或老旧硬件的玩家，帮助他们在可接受的画质下获得更流畅的帧率。

然而，随着游戏图形复杂度的爆炸式增长，尤其是在光线追踪等技术普及之后，超分技术的角色已悄然改变。

如今，即便是拥有顶级硬件的玩家，也发现在许多新发售的3A大作中，开启超分几乎是获得理想体验的唯一途径。

这种转变也并非偶然，而是有意为之的设计选择，越来越多的游戏在开发阶段就将超分进技术纳入了性能考量的基准线。

例如，《遗迹2》（Remnant 2）的开发 Gunfire Games 就曾公开表示，他们在设计游戏时就已经考虑到了升频技术的运用。

这意味着，游戏的性能目标不再是原生分辨率下的 60 FPS，而是在开启 DLSS/FSR 质量模式下的 60 FPS。

这种设计理念的转变，标志着超分技术已经从一个辅助功能，正式升级为现代游戏渲染管线中一个不可或缺的核心组件。

现实

理想很好，然而现实很骨感。在玩家社群中，一个普遍且强烈的观点是，超分技术正在被开发者滥用，成为掩盖糟糕优化的遮羞布。

开发者不再需要投入大量时间和资源去进行艰苦的底层优化，以确保游戏在原生分辨率下流畅运行，他们只需简单地集成 DLSS 或 FSR，然后将性能达标的责任推给这些技术。

尽管技术宣传中常强调超分技术能在几乎没有画质损失的情况下提升性能，但实际体验却截然相反。

尤其是在动态画面中，超分技术固有的视觉瑕疵会变得尤为明显。

动态伪影与鬼影：在高速运动的物体边缘，尤其是在复杂的背景前，超分算法常常难以完美重建图像，导致出现明显的鬼影（Ghosting）或拖影。这种现象在许多游戏中都存在，严重破坏了画面的稳定性和沉浸感。
细节丢失与模糊感：超分的本质是从有限的像素信息中猜测出高分辨率图像。这个过程不可避免地会导致细节的丢失或错误重建，尤其是在精细的纹理（如织物、栅栏）上，会产生一种不自然的闪烁。开启超分后的画面，尤其是在 1080p 和 1440p 这些主流分辨率下，会呈现出一种模糊或油画感，远不如原生分辨率那样清晰锐利。

因此，对许多玩家而言，超分技术提供的并非免费的午餐，而是一场用画质和操控响应换取帧率的浮士德式交易。他们并未获得更好的画面，而是被迫在一个充满视觉瑕疵的画面和一个卡顿到无法游玩的画面之间做出选择。

（DLSS 4 虽然有改善，但是对于拿 DLSS 得到的帧数算为“算力升级”……还是太厉害了！）

人

不管是玩游戏还是做游戏，说到底终究是人在玩人在做。PC 游戏优化问题的根源，最终可以追溯到 3A 游戏产业的经济结构和生产模式。

玩家在屏幕上体验到的技术缺陷，往往是开发过程中一系列因经济和排期压力而做出的妥协与权衡的最终体现。

成本

现代3A游戏的开发，已经演变成一场规模堪比好莱坞大片的豪赌。

曾几何时，一款 3A 游戏的开发预算在 5000 万至 1.5 亿美元之间已属惊人。

而如今，2 亿至 3 亿美元的预算已成常态，若将市场营销费用计算在内，顶级项目的总成本甚至可以轻松突破 5 亿，乃至接近 10 亿美元。

如此巨大的前期投入，给发行商和投资者带来了难以想象的财务压力。

游戏的发布日期不再仅仅是一个技术问题，而是一个与公司财报季度、节假日销售旺季和市场营销计划紧密绑定的商业决策。任何延期都可能引发股价波动和巨大的经济损失。

在这种不惜一切代价按时发售的指令下，游戏的技术完备度往往要为商业时间表让路。

（什么？跳票？可想而知产品规划的有多垃圾，这就是从营销到开发部门没有连通，是一个公司从根本的漏洞，这种公司做出来的东西，除了是一坨之外还能是什么呢？）

压榨

当开发时间表与项目实际所需时间发生冲突时，压榨（Crunch）便应运而生。

在游戏行业中，压榨特指在项目后期，为了赶上最后期限而进行的强制性、长时间的加班工作。这是一种被行业默许甚至常态化的做法，员工每周工作80-100小时的情况并不少见。

长时间的压榨对游戏质量的损害是直接且致命的。当然，我们只讨论优化，所以不论一个游戏好玩与否。

性能优化是一个需要耐心和精细操作的系统性工程。它要求开发者通过专业的性能分析工具，定位性能瓶颈，然后重构代码、调整算法或优化资源。

在一个以压榨为主旋律、以实现功能为最高优先级的开发周期中，这种耗时的深度优化工作几乎总是被推迟到项目的最后阶段。

而到了那个时候，通常已经没有足够的时间、精力和资源去妥善处理。

更重要的是，许多深层次的性能问题根植于项目的早期架构决策，若要修复，可能需要对核心系统进行大规模重写，这在游戏发售前几周是完全不可能实现的。

垃圾！

一款优化不佳的3A游戏，其根源往往并非简单的技术妥协，而是一个公司从产品规划到最终交付的全方位、系统性的失能。

当市场营销部门与开发部门之间存在巨大的鸿沟，当产品规划本身就建立在不切实际的幻想之上时，最终交付给玩家的，除了是一个技术上千疮百孔的半成品之外，还能是什么呢？

这个失败的链条始于产品规划阶段，市场部门基于概念图和早期演示，向公众和投资者兜售一个宏大而完美的愿景，并以此为基础定下不容动摇的发布日期。

然而，这个愿景往往与开发团队的实际生产能力严重脱节，开发团队被迫接受一个从一开始就注定无法在规定时间和预算内高质量完成的项目范围。这并非雄心壮志，而是一种源于高层决策的、制度性的规划失败。

随着开发深入，最初规划的漏洞开始暴露，技术难题和范围蔓延不断的累积技术债务。但由于发布日期与公司的财务报表紧密挂钩，延期几乎是不可能的选项。

于是，整个开发团队被推入压榨的深渊，其工作重心不再是创造一个伟大的游戏，而是不惜一切代价地拼凑出一个可交付的产品。在这个过程中，性能优化，尤其是针对复杂 PC 平台的深度优化，这种耗时且在营销宣传中没有用的工作，理所当然地成为了最先被牺牲的祭品。

因此，玩家在发售日拿到的游戏，正是这种公司内部失调的公开展示。它是一个被营销过度包装、被不切实际的规划所扭曲的产物。

它在功能上或许勉强完整，但在技术质量上却是一个彻头彻尾的未完成品。所谓的首日补丁和后续更新，不过是将本应由公司承担的质量保证责任，转嫁给了已经付费的玩家而已。

当前的商业模式，尤其是预购 + 在线服务，非但没有惩罚这种行为，反而为其提供了温床。比如圣歌，发行商可以在游戏的真实技术状况被揭露之前，通过预购锁定绝大部分收入。

而未来会修复的空洞承诺，则成了安抚玩家情绪的常规公关手段，谁知道会不会关服呢？

这种模式使得公司无需为产品规划的失败和开发过程的管理混乱承担直接的、即时的后果。整个系统在财务上不仅容忍，甚至在变相鼓励这种从根源上就存在漏洞的公司，持续不断地向市场输出赛博垃圾。

结语

优化不好，它永远不应该是玩家看到游戏后的第一反应。游戏注重的是好玩，如果连优化不好这个议题都能被端上来，那么可想而知如今的游戏有多么糟糕。

画面美术永远是加分项，当年在 8 位机上能玩到的游戏，可以没日没夜的游玩，真的是画面表现好吗？星际拓荒卡通的风格，却能被大量玩家一致好评，真的是画面表现好吗？

游戏，好玩才是一切。

（优化应该在立项的时候就开始，可能很多人都认为这应该是最后的工作，实际上一旦开始，之后的优化将无法简单靠补丁解决，类似僵毁，EFT 等）

恐怖电影或者游戏，究竟恐怖在哪里？

Fri, 17 Oct 2025 08:34:00 GMT

前两天看完了招魂四，感觉一言难尽，本来招魂三就很拉了，剧情不惊艳无所谓，首先作为恐怖电影得会吓人啊，结果呢？一代不如一代吓人。当然这是因为观众在成长，在进化，而招魂的吓人手法，没有变化。

那么问题来了，为什么恐怖电影或者游戏，会让我们觉得恐怖呢？究竟恐怖在哪里？怎么营造的这种恐怖？

我们为何追求恐怖

当有怪物在追我们的时候，我们的大脑会激活战斗 or 逃跑反应（什么？这也是搜打撤？）。该反应会引发一系列生理变化，如肾上腺素、内啡肽和多巴胺等神经递质大量释放，导致心率加快、呼吸急促和感官敏锐度提高。

这种神经化学物质的激增会产生一种高度唤醒的状态。然而，由于我们清楚地意识到自己身处安全环境（例如在电影院或家中），大脑能够将这种生理唤醒与实际危险分离开来。

当威胁解除时，残留的生理唤醒会转化为一种强烈的欣快感和解脱感。

也就是说，恐惧引发的生理唤醒在威胁结束后并未立即消散，而是会增强后续的积极情绪体验，从而使整个过程变得令人愉悦。

恐怖电影中的威胁性场景会显著激活前扣带皮层（ACC）、脑岛（insula）和丘脑（thalamus）。

这些脑区与唤醒状态的产生、表征以及对自身情绪反应的普遍意识密切相关。具体可查看论文

10.1002/hbm.20843

除了科学方面，解释人类为何被恐怖吸引的心理学理论源远流长。古典理论中最著名的是亚里士多德提出的净化（Catharsis）概念。

该理论认为，通过观看虚构的暴力或恐怖场景，观众可以在一个安全的环境中净化或宣泄自己内心深处的攻击性和恐惧等负面情绪。在这种框架下，恐怖媒介成为一个情绪的泄压阀。

当然恐怖也不是所有人都喜欢的，可能很多人会认为喜欢恐怖的是想要寻求刺激的，这当然是正确的，但是这有些过于片面。

相关链接 10.3389/fpsyg.2019.02298

有些人可能会有独特的思想与见解，而在观看恐怖故事中，会展现出一种理解并欣赏故事中角色的困境，同时又不会被角色的痛苦情绪所压倒，从而能够保持一种欣赏性的距离的特性。

因此，我们可能从生理上，心理上，情感上，都有可能追求恐怖。

恐怖游戏

不知道大家对于恐怖游戏是什么看法，但对于我来说恐怖游戏往往会更容易比电影更恐怖。这并不是说恐怖游戏有什么更高级的手法，这应该是使用媒介所带来的优点。

电影和游戏在恐怖体验上最根本的区别在于互动性。在电影中，观众是被动的观察者，目睹角色尖叫、奔跑和死亡，但无能为力。

而在游戏中，玩家是决策者。无论是躲在壁橱里躲避怪物，还是选择走下那条黑暗的走廊，玩家的每一个行动都决定着接下来的发展。这种互动性创造了一种远比电影强烈的沉浸感。

观看恐怖电影时，观众虽然会感到害怕，但他们是安全的，无需为屏幕上发生的悲剧负责。然而，在恐怖游戏中，玩家掌握着控制权，而这种控制权是有代价的。

自己的每一步、每一次呼吸和每一个失误，因为他们深知一个错误的决定就可能导致可怕的后果，Game Over。

同时，对游戏中怪物的恐惧，与对自身无法通过游戏挑战的恐惧交织在一起。这种双重焦虑是游戏这种互动媒介所独有的。

此外，电影的节奏由导演通过精心的剪辑、配乐和镜头语言来控制，观众被置于一条预先设计好的情感轨道上。

相比之下，恐怖游戏将节奏的控制权部分或全部交给了玩家。玩家可以决定在进入一间令人毛骨悚然的房间前徘徊多久，可以缓慢探索每一个角落，也可以快速冲过危险区域。

这种自由度创造了一种更加个人化和不可预测的恐惧感，使得悬念能够以一种更自然、更内化的方式逐步累积。

恐怖手法

为了有效地引发恐惧，创作者在电影和游戏中运用了很多手法。这些技巧从最直接、最本能的生理冲击，到最微妙、最深层的心理操纵，共同构成了恐怖体验的完整图谱。

Jumpscare

Jumpscare（突发惊吓）是恐怖类型中最常用也最直接的技巧之一。它的核心在于利用人类进化而来的、与生俱来的惊跳反射。这种反射是一种非常快速的、保护性的生理反应，旨在应对环境中突然出现的、潜在的威胁。

Jumpscare 的有效性很大程度上依赖于对非线性噪音（nonlinear noise）的运用——即声音在频率和振幅上的突然、剧烈变化。我们的大脑经过数百万年的进化，已经将这种声音模式与危险信号牢固地联系在一起，例如捕食者的咆哮或同伴的尖叫。

当然，Jumpscare 是最有效，也是最低级的吓人手法。

有效在于由于听觉刺激比视觉刺激能更快地被大脑处理，那声 ¡突然！的音效会绕过我们的高级认知功能，直接触发脑干的惊跳反射，让我们在意识到威胁内容之前就已经反应了。

低级在于，当一个人在安全的背景下（如在观看电影或玩游戏时）反复经历 Jumpscare，大脑会逐渐学会将这些识别为虚假威胁。也就是麻木，结果是，惊吓反射的强度会减弱，或者完全被抑制。

比如对于我来说，很多 Jumpscare 在出现前就有比较明显的情景变化，使得大脑早已做好准备，压根吓不到我。

BGM

声音设计是构建恐怖氛围的核心。声音可以分为两大类，场景声（diegetic sound）与非场景声（non-diegetic sound）。

场景声是源自于故事世界内部的声音，如角色的对话、门轴的吱嘎声或环境噪音，故事中的角色也能听到。

非场景声则是故事世界之外的声音，只有观众能听到，最常见的就是电影配乐。

恐怖作品的精髓在于巧妙地玩弄这两者之间的关系。例如，一段不祥的非场景配乐响起，可以向观众预示危险即将来临，而屏幕上的角色却浑然不觉，这种信息差会制造出强烈的戏剧性紧张感。

当然，一段好的 BGM 也能让人毛骨悚然，比如游戏《湖景谷》（Lakeview Valley）的主旋律，亦或者是游戏《湖边小屋》（Lakeview Cabin）中当角色受伤时的刺耳的音效。

这都是通过音效所作出的效果，因此一个好的背景音乐，将是恐怖氛围的关键。

节奏

恐怖的构建同样依赖于故事本身的讲述节奏。这涉及到对信息流的控制，通过延迟或部分揭示关键信息来制造神秘感和悬念。

优秀的恐怖叙事会在缓慢、紧张的铺垫场景和突然爆发的动作或惊吓之间变换节奏，让观众始终处于一种无法预测的失衡状态。

但是这也不是没有失败的例子，比如电影《招魂 4:终章》与电影中段，观看电视机的地方，使用的节奏就并不是一个很干净利落的过程，让人觉得昏昏欲睡。

心理恐怖

上述都是一些很基础的手法，它可以运用在任何地方，也可以各种各样的去配合，但是真正的恐怖不源自于电影或者游戏本身，而是观众或者玩家的内心。

恐怖谷效应

恐怖谷（Uncanny Valley）理论由日本机器人专家森政弘于 1970 年首次提出。

该假说指出，当一个非人类实体（如机器人或虚拟角色）的外观越来越接近人类时，人类观察者对其的好感度会随之增加。

然而，当其相似度达到一个几乎与真人无异，但仍有细微差别的临界点时，观察者的好感度会突然骤降，转变为强烈的反感、恐惧和诡异感。这个好感度的急剧下跌区间，就是所谓的恐怖谷。

这是一个很多人都知道的效应，但是，当一个实体处于人与非人的模糊边界上时，我们的大脑难以对其进行快速、明确的分类。

这种认知上的冲突会引发一种类似于认知失调的心理不适感，从而导致厌恶和恐惧，才是真正的恐怖点子。

当然，不可否认还有很多其他的原因，但是认知失调，感到未知，感到不对劲，才是重点。

认知失调

独立游戏开发者 Roope Tamminen 创作的《湖边小屋》系列及《湖景谷》，是利用独特艺术风格和游戏设计来营造深刻恐怖氛围的杰出典范。

该系列的核心恐怖机制并非依赖于逼真的画面或传统的惊吓，而是建立在一种精心设计的美学失调（aesthetic dissonance）之上。

当你在优美的湖边小屋散步的时候，你碰到了一个陷阱，本来很美的场景，却突然变调，一切将别的血腥无比。

这种画面上的不协调，背景音的不协调，终于产生了，我们所能在内心中感到恐怖的感觉，失调。

恐惧来源未知

在恐怖游戏的光谱中，《星际拓荒》（Outer Wilds）占据了一个独一无二的位置。它并非传统意义上的恐怖游戏，其卡通风格的视觉设计和舒缓的音乐甚至营造出一种温馨的氛围。

然而，许多玩家都认为它带来了经典恐怖游戏更深刻、更持久的恐惧感。这种独特的恐怖感并非源于怪物或惊吓，而是植根于一种更原始、更宏大的恐惧来源。

未知，以及面对浩瀚宇宙时产生的存在主义敬畏与恐惧，即宇宙恐怖（Cosmic Horror）。

一颗即将爆炸的恒星、一个能吞噬一切的黑洞、一个被巨大龙卷风覆盖的海洋行星，或是在太空中迷失方向、孤独漂浮直至耗尽氧气的无力感。

这些元素共同营造了一种深刻的无助感和渺小感。一个僵尸可以被征服，但一颗超新星不能。

这种恐惧是主观且个人化的，游戏中的不同星球往往会触发玩家内心深处不同的原始恐惧或特定恐惧症，例如对深水的恐惧、对封闭空间的恐惧，或是对无垠虚空的恐惧。

游戏通过其物理引擎和环境设计，让这些宏大的、非人格化的威胁变得极具压迫感和真实感，从而引发玩家本能的生存反应。

（当然，这个游戏，我希望各位能亲自去玩玩，这，才是游戏！）

恐怖电影和恐怖游戏，为什么不恐怖了？

如果只说单纯的恐怖手法，那我也不需要写这篇文章了，近年来不管是游戏还是电影都呈现着一种商业化，或者说摆烂化。

所有的东西不管是什么类型，挣钱就行，我们能玩到的游戏再也不是那种可以一直追着我们跑的恐怖游戏了，而是打着空洞世界，猎奇对比的敷衍作品。

通过各种重复的手段，亦或是那些早已被玩家或者观众所麻木的手法，再各种堆叠，通过看起来宛如 AI 生成般的流程中，让你去经历这些恐怖，它真的是恐怖吗？

脱敏

当代观众恐惧感减弱的核心驱动力，并非源于虚构作品的过度消费，而是来自对真实世界恐怖事件前所未有的持续曝光。

24 小时不间断的新闻循环和社交媒体算法，将战争、暴力犯罪和灾难的真实影像直接推送到人们的屏幕上，这种现象在人类历史上前所未有。

心理学将这种现象解释为习惯化，指当大脑反复暴露于某种刺激（指暴力和恐怖画面）时，其情绪和生理反应会逐渐减弱，这是一种自我保护机制。

在很早以前，人们只能在影院这一特定环境中接触到经过精心编排的惊吓。比如 1960 年代的恐怖片。

然而在今天，社交媒体平台已经瓦解了虚构与现实的边界。一个虚构的电影怪物，如今必须与观众刚刚在信息流中刷到的真实悲剧抢夺情感冲击力。

这种持续暴露于真实与模拟暴力的混合环境中，导致大脑的习惯化阈值被动提高，使得所有形式的恐怖刺激都更难引发强烈的恐惧反应。

这也就对现代恐怖创作者提出了一个根本性的挑战。他们的作品不再是在随意描绘恐惧，而是在一张已被真实血腥涂抹过的画布上进行创作。

这意味着，仅仅依靠视觉冲击或血腥场面已难以奏效，因为观众对这些元素的耐受度已大大增强。

为了重新捕获观众的恐惧，创作者必须转向那些不易被习惯化的情感领域。更内化的恐惧形式，能够绕过被现实暴力磨平的感官冲击，去直击观众内心的深处。

但，问题来了，这些惊吓真的能触及大部分观众当前认知和情感状态下的恐惧核心嘛？

商业

现代主流恐怖电影的创作工具箱显得异常有限，其中最被滥用的工具无疑是 Jumpscare。惊吓本身并非一种无效的技巧，但其在当代恐怖片中的使用方式暴露了创意的枯竭。

因为这些惊吓的设置极其公式化。观众能轻易地通过可预测的声音设计和音乐线索来预判它的到来。

角色进入一个安静的黑暗环境，背景音乐逐渐消失，镜头缓慢移动，然后在一个毫无悬念的时刻，伴随着刺耳的音效，一个鬼影闪现。

这种机械式的重复不仅无法吓到观众，反而会因为其可预见性而产生厌烦感。

同时，电影系列的泛滥和电影宇宙的构建也加剧了叙事的同质化。当一个原创概念获得成功后（如《电锯惊魂》或《招魂》），制片厂倾向于通过不断制作续集、前传和衍生品来榨取其商业价值。

但是这些后续作品往往只是对原作核心元素的简单复制和粘贴，缺乏创新和突破。随着系列不断延续，最初的新鲜感被消耗殆尽，故事变得越来越重复，最终沦为自身的拙劣模仿。

与此同时，游戏也是重灾区，各种粗制滥造段游戏井喷式出现，他们并不恐怖，也不好玩，甚至都没做完。

这些粗制滥造的垃圾充满了我们能接受的环境中，我们无法真正的分清楚那些真正恐怖的游戏或者电影，因为是屎还是饭，得尝了才知道。

恐怖片是现代电影工业中最具盈利能力的类型之一，其商业模式可以用低风险、高回报来概括。

首先，恐怖片的制作成本普遍较低。它们通常不需要昂贵的顶级明星、宏大的场景或复杂的视觉特效。

许多成功的恐怖片都发生在单一或有限的场景中（如一栋房子），演员阵容也相对精简，这极大地控制了制作预算。

预算在500万至1500万美元之间的恐怖片，往往能撬动巨大的票房收益。

此外，恐怖片拥有一个忠诚且活跃的粉丝社群。恐怖迷们会主动寻找、讨论和传播新的恐怖作品，强大的口碑效应往往能让一部小成本独立电影成为爆款。

这种内置的观众基础，使得恐怖片的营销风险相对较低。

与恐怖片的风光无限形成鲜明对比的，是剧情片在市场推广上所面临的巨大困境。

在当代电影市场，剧情片被普遍认为是最难卖的类型之一。尤其对于 Z 世代等年轻观众群体而言，剧情片这个标签几乎等同于无聊和沉闷。

（我确实是这么认为的，什么？你说奥本海默？那不一样，奥本海默是比较有激烈斗争的）

越来越年轻的观众的娱乐消费习惯更倾向于追求即时性的感官刺激、强烈的社交属性和独特的社群体验。恐怖片恰好完美地满足了这些需求。

它提供了生理上的心跳加速，也为朋友结伴观影、共同尖叫提供了绝佳的社交场景。

相比之下，需要观众静心沉浸、进行情感和智力投入的剧情片，在与短视频等快节奏娱乐形式的竞争中处于天然劣势。

正是基于上述恐怖片与剧情片在商业前景上的巨大反差，一种系统性的类型错位营销策略应运而生。

制片厂和发行商意识到，将一部本质为剧情片或心理惊悚片的作品，通过剪辑欺骗性的预告片、设计惊悚的海报以及在宣传文案中反复强调其恐怖元素，可以有效地将其伪装成一部恐怖片，从而吸引到恐怖片那庞大、年轻且购买力稳定的观众群体。

但，当你看了招魂四以后，你真的觉得它是个恐怖片吗？

虚假恐怖

高级恐怖通常被用来指代一批在2010年代后涌现的、在艺术风格和主题深度上区别于传统恐怖片的作品。

这类电影的共同特征是，优先考虑营造心理层面的恐惧和压抑的氛围，而非依赖 Jumpscare 和血腥场面。

其叙事核心往往围绕着复杂的人类情感和现实社会议题，如悲伤、创伤、家庭矛盾、身份认同或存在主义焦虑，并且在视听语言上更具艺术电影的质感。

然而，这其本质上是一个精心设计的营销噱头。其主要功能并非进行严谨的艺术分类，而是为了解决一个商业难题。

如何向那些鄙视恐怖片，或不愿承认自己喜欢恐怖片的高品位观众推销一部恐怖电影。

通过贴上高级的标签，营销方有效地为这类观众提供了一个借口或台阶。

它暗示道：“这不只是一部普通的恐怖片，它有深刻的主题和艺术追求。”

这使得那些通常只出入艺术影院的观众，可以心安理得地消费一部恐怖电影，而不必担心自己的品味受到玷污。

同时，这个标签也为影评人提供了便利，让他们可以安全地赞扬一部恐怖片，因为它的高级属性已经将其与不入流的同类划清了界限。

也可以认为高级恐怖的流行，实际上是上面所述的类型错位策略的升级版。

一些创作者或制片公司，可能原本只想拍一部关于家庭创伤的严肃剧情片，但为了获得恐怖片市场的丰厚利润和高关注度，便在其中加入了超自然或惊悚元素，然后将其包装为高级恐怖。

这样既能吸引到核心的恐怖片观众，又能通过其深刻的主题吸引到艺术片爱好者，实现了商业利益的最大化。

而且，高级恐怖这一术语所隐含的等级观念，从根本上体现了对恐怖电影丰富而光荣的历史的无知与傲慢。

高级一词的言下之意，是其他所有不符合其标准的恐怖片都是低级的。

这种二元对立的划分，不仅武断，而且极具误导性。

它将恐怖片中早已存在的深刻主题、复杂心理和社会批判等元素，错误地归功于少数几位当代导演的新发明。

事实上，无论是《驱魔人》（The Exorcist）中对信仰危机的描绘，还是《闪灵》（The Shining）中对家庭暴力和精神崩溃的刻画，这些经典作品早已达到了极高的艺术和思想深度。

因此，高级恐怖这个标签散发着精英主义的恶臭，它暗示了 90% 的恐怖片都缺乏故事性、不值得关注。

它并非一个真正的电影子类型，而仅仅是一部好电影的同义词，却被别有用心地用来抬高一部分作品，同时贬低和否定整个类型的其他部分。

这种做法不仅是对历史的不尊重，也伤害了那些热爱各种形式恐怖片的影迷的感情。

所以

我觉得恐怖这个类别从最早的，一种发泄压力的存在，变成了一种圈钱的手段。这确实在各行各业都能看到，比如使用 AI 去生成游戏，然后一点都不好玩。

比如小小梦魇 3，制作组是由黑相集团队做出来的。我不知道大家有没有了解过这个团队，但我必须得说，这个团队的东西免费送我我都不玩。

那么问题来了，他们真的不知道自己的东西很破烂吗？

这个问题本身或许就问错了。在资本的逻辑里，好与坏的评判标准并非艺术价值，而是商业回报。

一部3小时流程卖300块的游戏，一部顶着经典IP、靠着营销就能收回成本的电影，在财务报表上，它们就是无可辩驳的好作品。它们精准地完成了任务，圈钱。

这个时代最恐怖的事情，就是恐怖本身已经不再恐怖。

但这是否意味着我们应该宣告恐怖的死亡？

不，恰恰相反。这或许是一个契机，让我们得以剥离那些商业泡沫和营销谎言，去重新寻找恐惧最原始、最纯粹的内核。

真正的恐惧，从未存在于公式化的 Jumpscare 或是被高级恐怖标签所标榜的故作高深里。

它存在于《星际拓荒》中，当你凝视着即将吞噬一切的超新星时，那种发自肺腑的、对自身渺小与无力的战栗。

它存在于像《Reanimal》这样忠于创作初心的作品中，那种无法用语言描述，只能用心感受的诡异氛围。

模仿，从来只能模仿形，无法模仿神。

当主流市场充斥着越来越多徒有其表的恐怖商品时，作为观众和玩家的我们，也不能再是轻易被廉价伎俩欺骗的羔羊，而是更懂得分辨灵魂与躯壳的鉴赏者。

下一次，当我们再次选择走进黑暗的电影院，或是在深夜戴上耳机，我们应该观看或者游玩的，不应该是那些垃圾。而是在喧嚣散尽后，真正让我们不寒而栗的作品。

恐怖，不是类别，而是艺术。

抨击丑恶，藿香正气！

Tue, 19 Aug 2025 15:38:00 GMT

抨击丑恶，藿香正气！

这不是藿香正气的广告（

中文限定

本文讨论一种高度制度化的信息治理框架如何在三个层面共同作用：平台管控（以“价值导向、算法、合规”三位一体为核心）、情绪动员（把注意力从争议转向可控的愤怒与日常庆典）、以及记忆重写（通过技术与规章把不利叙事的记忆篡改）。

文章以公开法规与同行评审研究为证据，说明这种环境如何让创新协作与知识累积出现幼稚化倾向。文中仅在极少处借用《一九八四》的少量概念作分析隐喻。

把“正确”写进算法

互联网平台从来不是中立的信息管道，而是被制度性地要求成为价值观的传播者。

例如算法推荐管理规定要求平台坚持主流价值导向，积极传播“正能量”，并对首页首屏、热搜、榜单等位置的呈现做出刚性要求。同时明确监管部门的统筹、抽检、处罚与具社会动员能力服务的报备/撤销机制。

就连生成式AI这样的新技术，从诞生之初就被写入了合规的“基因”里。

训练数据要可控，生成内容要打标，服务要备案，一切都稳中向好，从源头上就倾向于过滤掉复杂与不确定。

可控的愤怒

哈佛大学的一项经典研究揭示了稀释策略的规模。

研究估计，每年有近 4.5 亿条政府背景的社媒帖子被制造出来，它们的目的并非与网民辩论，而是用海量的、看似无害的日常内容（如美食、旅行、生活点滴）来转移注意力，把真正具有争议性的话题淹没掉。

与之并行的，则是对民族主义情绪的引导。

情绪时常被按需放大或抑制，在需要凝聚内部、或是在特定外交场景下，它会被默许甚至鼓励，成为一种可以被动员的工具。当其可能威胁国内稳定时，又会被迅速降温。

错误的记忆

如果说算法控制了当下，那么对记忆的改造则控制了过去。对集体记忆的抹除并非都市传说，而是有明确技术流程的。

多伦多大学“公民实验室”的研究，系统性地记录了不正确记忆早期信息被封锁的过程。

从最初的吹哨，到后续的公共讨论，大量关键词（包括批评、中性描述乃至事实本身）在社交平台上被精准清除。

对特定人物和事件的叙事，也在持续地被修正。

这种记忆工程的背后，是一套日益成熟的技术与法规。用户账户的强实名制，让每个人的言论都与身份牢牢绑定。

而算法、深度合成等管理规定，则将内容可追溯变成了平台的法定义务，于是，删除、封号、溯源，是基本操作。

猪圈

当新话成为主流，当情绪的宣泄取代了严谨的论证，当每一次逆风发言的风险都被无限放大时，整个社会的知识生产模式便会不可避免地走向幼稚化。

这种趋势并非危言耸听。在“自由之家”等跨国组织的年度报告中，网络自由度已连续多年排名垫底（2024年得分仅为9/100），新闻与言论环境被评为“非常糟糕”。

更深层的影响在于创新，当获取境外学术资源变得困难，当平台内部的讨论充满敏感词，知识的自由交换与碰撞便会大大减少。这直接影响了从发现问题到验证假设的整个科研链条。

The Citizen Lab (Univ. of Toronto). (2020). Censored Contagion I/II. The Citizen Lab

Freedom House. (2024). Freedom on the Net 2024. https://freedomhouse.org

沉浸式翻译插件

Mon, 18 Aug 2025 06:44:00 GMT

沉浸式翻译插件

没想到新站点第二篇 blog 竟然还是给自己打广告，下一篇文章再整新技术😈

前言

早在去年年底因为 Deepseek v3 出来，所以我就做了一个沉浸式翻译的插件，算是庆祝吧。可没想到过了半年多，出现了沉浸式翻译的瓜。我就直接把以前的插件拿出来重新改了一下就发出来了，可前往此处查看。

这个插件的主要用途就是完全开源，完全使用自己的 API，之后有时间再更新功能，比如自定义快捷键啥的。

Changelog

V 2.1

支持 Chrome AI，完全本地化使用

V 2.0

添加了新功能

多语言 UI（i18n） – 英语、中文、日语、韩语、法语、德语、西班牙语。
推理查看（🧠） – 如果模型返回 <think>…</think>，则显示一个按钮，可按需展开查看。
YouTube 字幕 – 双语覆盖；可选择内置或 API 优先。
PDF & 图片 – 使用本地 Tesseract.js OCR 提取文本，必要时回退至 LLM 视觉识别。

V 1.0

内嵌页面翻译 – 将译文直接注入到每个段落/列表/标题下方（无大型弹窗）。
全文翻译 – 支持全文翻译，自动识别正文，减少 API 请求。
词典气泡 – 当选中文本是单个单词时，显示简洁的学习词条。

量子是什么？

Fri, 24 Oct 2025 08:22:00 GMT

写稿前日谷歌发布了新的算法，Quantum Echoes，（可以叫回声算法？）旨在高可验证性。本来 blog 中我不太想整一些抽象的东西，但是这些新闻/报道底下的评论属实难绷，所以来说说什么是量子吧。

经典力学

我们生活在一个看似井然有序、可预测的世界里。一个苹果从树上掉落，一颗行星绕着太阳公转，一颗台球在桌面上滚动。

所有上述现象都遵循着一套我们熟悉并直观的规则。

经典力学！

在牛顿描绘的宇宙图景中，万物都像一个巨大而精密的钟表装置。宇宙中的每一个物体，从最小的尘埃到最庞大的星系，都有其确定的位置和动量。

如果我们能精确地知道一个系统在某一时刻的所有初始条件，比如所有粒子的位置、速度以及作用在它们身上的力，我们原则上就能像预测某人几点回家一样，精确地预测这个系统在未来任何时刻的状态。

这种思想被称为决定论，它构成了经典物理学的基石。

在这个经典世界里，物理属性是连续的。想象一下你沿着一个平滑的斜坡向上走，你可以停留在斜坡上的任何一个高度。

一辆电动车的速度可以是每小时 11 公里，也可以是 11.4 公里，或是 11.4514 公里，数值之间可以无限细分。

能量、速度、动量等物理量都可以平滑地变化，取值范围内的任何一个数值都是被允许的。

这套理论在描述我们日常经验中的宏观物体时，取得了无与伦比的成功，从建造桥梁到发射航天器，经典力学都是我们所最擅长使用的物理准则。

破碎

然而，在19世纪末至20世纪初，当科学家们将目光投向更微观的领域，原子和光的行为时，这个完美的可预测宇宙开始出现破裂。

一系列实验揭示了经典物理学无法解释的奇异现象，动摇了其数百年来不可撼动的地位。

黑体辐射

经典理论在预测一个被加热的物体（即“黑体”）所发出的光的颜色（频率分布）时，发生了灾难性的失败。

理论预测，在紫外线区域，辐射能量将趋于无穷大，而在实际实验中，辐射能量却是逐步减少。也就是说实验与理论错了。

这被称为紫外灾变。

这时候就有人会问了，实验和理论错了就错了呗，有啥问题？

但是问题就是出现在于，理论是基于经典力学的基本，决定论推导的，而实验并不符合理论，也就是说，至少在这个领域，人们所熟悉的经典力学，将不在管用。

这就好比，每天上班地铁都是在固定时间到来，而唯独今天，突然不来了，你问路人，人家说，这里没有地铁站啊。

那，你是怎么上的班呢？

为了解决这个难题，物理学家马克斯·普朗克在1900年提出了一个革命性的假设，能量的发射和吸收不是连续不断的，而是以一份一份不连续的能量包形式进行的。

他将这种最小的、不可再分的能量单位称为量子（quantum）。

这是量子概念的第一次登场，标志着一场物理革命的开端。

光电效应

早在 19 世纪末期，人们就知道光是波，并且知道金属里面有自由电子，那么一个想法就随机而生，我们能不能用光的波，打出来金属里的电子？

奇怪的是，能否打出电子，取决于光的颜色（频率），而不是光的强度（亮度）。

即使是最微弱的蓝光也能立即打出电子，而再强的红光也无济于事。

阿尔伯特·爱因斯坦在 1905 年对此做出了解释，他大胆地提出，光本身就是由这些能量包组成的，他称之为光量子（后来被称为“光子”）。

每个光子携带一份能量，只有当单个光子的能量足够大（即光的频率足够高）时，才能将电子从原子中打出来。（逸出金属表面）

这个解释不仅为爱因斯坦赢得了诺贝尔奖，也强有力地证明了光的粒子特性。

或者我们可以换一个更加通俗的方法去解释，在经典的想象中，光就像是一股水流，亮度越高意味着水流越湍急。

金属就像一堵墙，只要水流足够急，就能冲下来几块石子（电子）。

后来发现，光根本不是水流，而更像是一条马路。亮度决定马路有多宽，而不是能量有多强。真正携带能量的，是在路上跑的车，也就是光子。

只有当车本身够大（频率高、能量大），才能撞开那堵墙，把石子打出来。

原子稳定性

大家都知道世界一切是由原子和分子组成的。

但是问题来了，它们的构造是什么样子呢？

原子并不是一个实心的小球，而是一个由原子核和电子组成的，电子是一个围绕着原子核运动的粒子。

可是，按照经典电磁学的规律，如果带电粒子加速运动，就会不断向外辐射能量。

能量是有限的，一个电子不可能一直辐射能量，所以当电子在绕圈的时候，就会不断失去能量，速度减慢，轨道半径越来越小，最终沿着螺旋线坠入原子核。

如果这个理论真的是对的，那将意味着宇宙中所有原子都会在瞬间崩塌，我们的桌子、空气、身体，乃至整个世界，都不可能存在。

可现实却是，一切都安然无恙，世界稳定如常。这就是 20 世纪初科学家们面对的巨大谜题。

1913 年物理学家尼尔斯·玻尔提出了一个大胆的假设，如果电子不是可以随意运动的，它们只允许待在某些特定的轨道上呢？

这就像是，电子只能站在楼梯的台阶上，而不是在一个斜面上快乐的奔跑。

这些台阶对应着不同的能量状态，我们称为能级。当电子在某个能级上时，它是稳定的，不会发射能量，也不会坠落。

只有当电子跳到另一层能级时，才会吸收或释放出一份能量，那份能量正好是两个能级之间的差：

$E = h\nu$

量子力学

综上所述，量子都不是连续的，而是一份一份的，这也就是量子思维。

物理学家们意识到，支配微观世界的规则与我们熟悉的宏观世界截然不同。一套全新的理论体系“量子力学”应运而生。

它不是对经典力学的修补，而是一场彻底的范式革命，专门用来描述原子、电子、光子等微观粒子的行为。

于是，物理学的版图被一分为二，经典力学依然是宏观世界的王者，而量子力学则是微观领域的绝对主宰。

这两种理论在各自的领域都取得了惊人的成功，但它们所描绘的现实图景却大相径庭。

经典物理学并非错误，而应被视为量子力学在宏观尺度下的一种涌现的近似。（什么？你不知道涌现是啥？）

我们日常生活中所体验到的确定性和可预测性，并非宇宙最底层的真实属性。这一点的理解至关重要，经典世界之所以看起来如此井然有序，是因为它是无数个微观量子事件概率性行为在宏观尺度上统计平均的结果。

就好像我们观察一大群人的流动，可以预测其整体趋势，但无法确定其中某一个人的具体路径。我们所感知的确定的现实，实际上建立在一个充满概率、不确定性和可能性的量子基石之上。

这不仅仅是物理学理论的更迭，更是一场深刻的哲学变革，它彻底改变了我们对现实本质的理解。（所以是不是想说，LLM 的概率计算也是量子力学？遇事不决量子力学！）

什么是量子？

量子这个词听起来既神秘又深奥，但其核心概念却异常简单。它源于拉丁语 quantus，意为多少。

在物理学中，量子（quantum，复数形式为 quanta）指的是任何物理实体在相互作用中所涉及的最小的、不可分割的离散单位。

它就像是构成某种物理属性的原子，是这种属性的基本砖块或数据包。

定义

我们可以通过一些具体的例子来理解这个概念。最著名的例子就是光。

我们通常感觉光是连续不断的，但实际上，光是由一份一份的能量包组成的，这些能量包就是光子（photon）。因此，一个光子就是一份光的量子。

同样，电荷也不是无限可分的，存在一个最小的电荷单位，即基本电荷，它就是电荷的量子。

这个概念最早由普朗克在研究黑体辐射时提出，他假设能量只能以普朗克常数 $h$ 乘以频率 $v$ 的整数倍形式被吸收或发射。

随后，爱因斯坦在解释光电效应时，将这个概念实体化，提出了光量子的存在。

从量子这个名词，我们引出了一个更核心的动词，量子化（quantization）。

量子化指的是，一个物理属性的量值只能取一些特定的、不连续的数值，就像整数一样，而不是可以取任意值。

简单来说，经典世界是斜坡，在经典力学中，能量、速度等物理量就像一个平滑的斜坡。

你可以站在斜坡上的任何高度，你的位置可以是 1 米，1.1 米，或者 1.14 米，中间没有任何不能去的地方。

而在量子力学中，许多物理量，尤其是在束缚系统（由两个或多个粒子通过相互作用力束缚在一起形成的系统，整体能量低于各个粒子完全分离时的能量。）中，则像一座阶梯。

你只能站在第一级台阶、第二级台阶或第三级台阶上，而绝不可能一脚在第一级台阶，一脚在第二级台阶。（想脚踏两只船是吧）

例如，一个原子中的电子，其能量就是量子化的。它只能拥有某些特定的、离散的能级，就像阶梯上的不同台阶。

当电子吸收或释放能量时，它会瞬间从一个能级跳跃到另一个能级，这个过程被称为量子跃迁，它从不经过中间状态。（因为我们一会讲波函数，所以这个并不能理解成瞬移，量子跃迁看起来是瞬间完成的，但实际上是一个由相互作用引起的量子态转变。）

又·原子稳定性

量子化不仅仅是一个有趣的微观现象，它更是我们宇宙得以稳定存在的根本原因。让我们回到之前提到的原子稳定性危机，为什么电子不会坠入原子核？

答案就在于能量的量子化。由于电子的能级是量子化的，它存在一个不可逾越的能量台阶。电子可以跃迁到更低的能级并释放能量，但它无法无限地这样做。

一旦到达了最低能级（基态），它就不能再失去能量了，因为下面已经没有台阶可供它站立。（还是说你想进入后室？）

这个最低能量阻止了电子的坠落，从而保证了原子的稳定性。

因此，量子化原理是构成我们世界的基石。正是因为能量、角动量等属性在微观层面是离散的、一份一份的，原子才能形成稳定的结构，化学键才能连接分子，物质世界才得以呈现出我们所见的丰富多样和稳定有序。

更深层次来看，量子化的发现揭示了经典物理学语言的根本局限性。

经典物理学建立在连续性的假设之上，其核心数学工具是处理连续变化的微积分。而量子化的发现，意味着宇宙的底层逻辑是离散的、数字化的。

这迫使物理学家们必须采用全新的数学语言，如线性代数和算子理论，来描述这个建立在阶梯而非斜坡上的现实。

这也解释了为什么量子力学的数学形式对于初学者来说显得如此抽象，因为它是在全新的概念。

量子力学三大特征

既然讲量子，那么就不得不同时说明波粒二象性、叠加态和量子纠缠。而且，这也是理解量子计算的基础物理概念。

波粒二象性，我是波？哦，我是粒子

在经典世界里，事物被清晰地划分为两类。

粒子和波。

粒子是离散的、占据空间中某个确定位置的实体，就像一颗台球。

波则是弥散的、在空间中传播的扰动，就像水面的涟漪。

这两者泾渭分明，互不相干。

然而，在量子世界，这种清晰的界限消失了。

量子力学的一个核心原则是波粒二象性（Wave-Particle Duality），它指出，每一个微观实体，无论是被认为是粒子的电子，还是被认为是波的光，都同时具有粒子和波的两种特性。

最终观察到的是哪一种特性，完全取决于实验设置和观察方式。重要的是，我们永远无法在同一个实验中同时观察到这两种互补的特性。

没有什么比著名的双缝实验更能展现波粒二象性的诡异了。

这个实验的设计非常简单，但其结果却足以颠覆我们对现实的所有直观认知。

我们先用宏观物体来做个参照。想象你面前有一堵墙，墙上有两条平行的狭缝。你随机地向这堵墙扔网球。

有些球会被墙挡住，有些则会穿过其中一条缝，打在墙后面的墙上。

最终，你会在墙后面上的地方，我们就叫它接收屏吧，网球只要扔过去，就会记录一个点。

看到两个与狭缝形状对应的条状区域，那里是网球集中的地方。这完全符合我们的直觉，是典型的粒子行为。

好像说的有点复杂，就是，你看一个墙，墙上有两个缝能看见墙后面的景观，你能看见的景观就大概等同于网球的落点。

当然你也可以不用网球用篮球。

现在，我们把实验装置放在水槽里，用波浪来代替网球。当水波到达双缝时，每个狭缝都会成为一个新的波源，产生向外扩散的圆形涟漪。

这两组涟漪在传播过程中会相互交叠、干涉。在某些地方，两个波峰相遇，会形成更高的波峰（相长干涉）。

在另一些地方，一个波峰与一个波谷相遇，会相互抵消，水面归于平静（相消干涉）。

最终，在接收屏上，我们会看到一系列交替出现的明暗条纹，这就是干涉图样，是波的标志性行为。

实验最关键的部分来了。我们把一切都放进一个小小的装置中，用电子发射器，像一个拥有两个小缝的墙发射电子。

我们预期会看到像两个条带，就想前面说的那样，你能看见的地方，就大概是落点。

然而，实验结果却是，尽管电子是单个地、像小点一样到达接收屏，但随着时间的推移，这些小点最终形成的图案，竟然是水波那样的干涉图样！

这个结果匪夷所思。它似乎在暗示，每一个单独的电子，在没有被观测的情况下，竟然同时穿过了两条狭缝，并像波一样与自己发生了干涉，最后才在接收屏上随机选择一个点以粒子的形式现身。

为了搞清楚电子到底走了哪条路，我们在狭缝处安装一下探测器吧，以便在电子通过时进行观察。

这时，量子世界最诡异的一幕上演了，一旦我们开始观察电子究竟穿过了哪条缝，干涉图样就瞬间消失了。

电子的行为变得规规矩矩，就像网球一样，只在接收屏上留下了两个条带。

在量子力学中，仅仅是知道电子路径的这个行为，就彻底改变了实验的结果。观察这个动作本身，似乎迫使电子从弥散的、充满可能性的波状态，坍缩成了一个路径确定的粒子。

所以，这个实验揭示了我们对现实认知的局限性。波和粒子并非量子实体是什么的终极描述，它们更像是我们从经典世界借来的、用于描述其在特定情境下如何表现的两种不完美的比喻。

电子本身既不是经典意义上的波，也不是经典意义上的粒子，它是一种更深层次的、我们日常语言无法准确描述的量子实体。

我们的观察行为，就像是强行将这个复杂的量子实体投影到我们所能理解的两个经典概念（波或粒子）之一上。

因此，波粒二象性与其说是微观粒子的双重身份，不如说是我们无法使用经典语言和直觉去准确的描述量子。

叠加态，我既要马儿跑又要马儿不吃草

波粒二象性引出了另一个更为核心的量子概念：叠加态（Superposition）。

它指的是，在被测量之前，一个量子系统可以同时处于其所有可能状态的混合之中。

一个电子的位置并非一个精确的点，而更像是一片概率云，这片云在空间中弥散开来，描述了在不同位置找到这个电子的可能性大小。

这个概率云的数学描述就是波函数（wave function）。

想象一枚正在空中飞速旋转的硬币。在它落地之前，它既不是正面朝上，也不是反面朝上，而是处于一种包含正和反两种可能性的动态混合状态。

当我们用手接住它（测量）时，它的状态瞬间坍缩，确定为正面或反面中的一个。

当对一个处于叠加态的系统进行测量时，叠加态会瞬间消失，系统（世界）会随机地选择其中一个可能的状态呈现出来。这个过程被称为波函数坍缩。

我们能够通过波函数精确计算出每种结果出现的概率，但永远无法在测量前预知具体会得到哪一个结果。宇宙在最根本的层面上，似乎是在掷骰子。

为了揭示将叠加态概念从微观世界延伸到宏观世界会产生多么荒谬的后果，物理学家埃尔文·薛定谔在1935年设计了一个著名的思想实验，薛定谔的猫。

将一只猫（假设的）关在一个完全封闭的钢箱里。箱子里还有一个小装置，包含一个放射性原子、一个盖革计数器和一个装有剧毒氰化物的锤子。

这个放射性原子在接下来的一小时内有 50% 的概率发生衰变。如果原子衰变，盖革计数器就会被触发，从而驱动锤子砸碎毒药瓶，猫就会被毒死。如果原子不衰变，猫就安然无恙。

根据量子力学的叠加原理，在没有进行观察之前，那个放射性原子处于已衰变和未衰变的叠加态。

由于猫的生死与这个原子状态被严格地绑定在一起，那么，在打开箱子观察之前，这只猫本身也必须处于一种死与活的叠加态，也就是说，它既是死的，又是活的。

当然薛定谔本人并不相信一只猫可以同时又死又活。他设计这个思想实验的目的，并非为了证明量子力学的正确性，而是作为一种归谬法尖锐地指出，将哥本哈根学派对量子叠加的诠释不加区分地应用于宏观物体是何等荒谬。

这个实验戏剧性地暴露了量子力学中一个悬而未决的核心难题，测量问题。

究竟什么才算是一次测量？

是盖革计数器的触发？

是猫与毒气的相互作用？

还是人类科学家打开箱子的那一刻？

量子世界充满可能性的概率法则，与我们所感知的、非此即彼的经典现实之间的界限究竟在哪里？量子理论本身并没有给出一个清晰、非人为的答案。

量子纠缠，我和你，心连心

如果说叠加态已经足够挑战我们的认知，那么量子纠缠（Quantum Entanglement）则将这种诡异推向了极致。

它是指两个或多个量子粒子可以以一种特殊的方式相互关联，使得它们的物理属性变得密不可分，形成一个统一的整体系统，无论它们相隔多远。

无法独立地描述其中一个粒子的状态，它的状态只有在与另一个粒子相关联时才有意义。

想象一下，我们通过某种方式（比如一个不稳定的粒子衰变）产生了一对相互纠缠的电子。根据角动量守恒定律，它们的自旋方向必须相反。

在被测量之前，每个电子都处于自旋向上和自旋向下的叠加态。

现在，我们将这两个电子分开，一个送到北极，另一个送到南极。

当你测量北极的电子，发现它的自旋是向上的，那么在同一瞬间，远在南极的另一个电子的状态会立刻确定为自旋向下，反之亦然。

这种关联是瞬时的，似乎无视了空间的距离。正是这种现象，让爱因斯坦深感不安，他称之为“鬼魅般的超距作用”（spooky action at a distance），因为它似乎违反了狭义相对论中任何信息或影响的传播速度都不能超过光速的原则。

为了理解量子纠缠的独特性，我们需要将它与我们熟悉的经典关联区分开来。

想象有一副手套，一只左手，一只右手。把它们分别放进两个不透明的盒子里，然后随机寄一个给你在法国的朋友，另一个留给自己在家中。

当你打开自己的盒子，发现里面是右手手套时，你立刻就知道了你朋友的盒子里一定是左手手套。这并不奇怪，因为这个信息（哪只是左手，哪只是右手）从一开始就是预先确定的，你的发现只是揭示了一个早已存在的事实。

量子纠缠则完全不同。

纠缠粒子的属性（如自旋向上或向下）在被测量之前并没有被预先确定。

它们都处于包含两种可能性的叠加态。这好比是说，两只手套在被观察前，每一只都同时是左手套和右手套。

直到打开其中一个盒子观察的那一刻，两只手套的状态才瞬间被共同确定下来，一只变成左手，另一只变成右手。

物理学家约翰·贝尔提出的贝尔定理以及随后大量的实验已经雄辩地证明，现实量子的确是以后者运作的，排除了像手套那样的定域隐变量理论的可能性。

需要特别强调的是，尽管纠缠粒子间的关联是瞬时的，但这并不能用来实现超光速通信。

原因在于，虽然测量一方的粒子会瞬间影响到另一方的粒子，但对粒子的测量结果本身是完全随机的。

我们无法控制一方的粒子坍缩到自旋向上的状态来向另一方发送一个 1 信号。

量子纠缠现象从根本上挑战了一个基本信念，定域性原理（principle of locality），即一个物体只受其直接周围环境的影响。

它向我们揭示，宇宙在最深层次上可能是非定域的，万物之间存在着一种超越我们经典直觉的深刻互联。

我们所感知的分离与距离可能只是一种宏观的幻象。

纠缠的两个粒子，无论相隔多远，本质上仍应被视为一个不可分割的单一量子系统。这正是让爱因斯坦感到“鬼魅”之处。

量子计算？那是什么？能吃吗？

在 20 世纪 80 年代初，物理学家理查德·费曼（Richard Feynman）提出了一个深刻的问题。

我们能否用计算机模拟物理世界？

但他很快意识到，由于自然界的本质是量子力学，而非经典力学，任何试图用经典计算机精确模拟量子现象的尝试都将面临一个根本性的障碍。

指数墙

经典计算机在处理我们日常生活中的绝大多数问题时表现出色，但它们在模拟量子系统（如复杂的分子互动或新材料的特性）时却力不从心。其根本原因在于指数级扩展问题。

一个量子系统的完整状态由其波函数描述。对于一个由 $N$ 个量子比特（qubit）组成的系统，要完整地描述其状态，经典计算机需要存储和处理 $2^N$ 个复数（即概率幅）。

随着量子比特数量 $N$ 的线性增加，所需的经典计算资源（内存和时间）会呈指数级爆炸式增长。

模拟 10 个量子比特需要存储 $2^{10} = 1024$ 个复数，这对于任何笔记本电脑来说都轻而易举。

模拟 30 个量子比特需要 $2^{30}$ 个复数，大约需要 8GB 的内存，这仍在个人电脑的处理范围内。

但，模拟 50 到 60 个量子比特，所需的内存………

这个不可逾越的计算障碍，常被称为指数墙。它意味着，对于任何规模稍大的量子系统，经典计算机甚至无法准确地存储其状态，更不用说模拟其动态演化了。

面对这一挑战，费曼提出了一个构想，我们为何不用量子模拟量子呢？

要模拟一个遵循量子规则的系统，最有效的方法是建造一个本身就由量子力学原理驱动的计算机。

这个构想奠定了量子计算的基础。量子计算机并非旨在取代经典计算机的所有功能，而是作为一种专门的设备，利用量子力学固有的特性（如叠加和纠缠）来解决特定类型的难题。

尤其是那些因指数级复杂性而让经典计算机束手无策的问题，例如量子系统模拟、某些优化问题和密码学。

波函数！

（请注意，之后的内容可能非常抽象，反直觉，不直观，我尽可能用文字去描述它。）

为了构建一台量子计算机，我们首先需要一种能够描述量子信息的数学语言。这个语言的核心是线性代数，它将量子态的物理现实转化为精确的数学对象。

（什么？你让我讲线形代数？）

经典计算机的基本单位是比特（bit），它只能处于0或1两个确定状态之一。

而量子计算的基本单位是量子比特（qubit），它可以是 $|0⟩$、 $|1⟩$，或者二者的任意叠加态。

这个叠加态的数学描述被称为波函数或状态向量，通常记为 $|\psi⟩$（这是一种名为狄拉克符号的便捷记法）。

对于单个量子比特，其通用状态可以写成两个基本状态 $|0⟩$ 和 $|1⟩$ 的线性组合：

$|0⟩$ 和 $|1⟩$ 是计算基矢，它们是正交的单位向量，在二维复向量空间中分别对应于列向量 $(1, 0)^T$ 和 $(0,1)^T$。
而系数 $\alpha$ 和 $\beta$ 是复数，被称为概率幅。

它们不仅决定了测量结果的概率，其相对相位还包含了关于量子干涉的关键信息，这是量子计算的关键。

当我们测量一个处于叠加态 $|\psi⟩ = \alpha|0⟩ + \beta|1⟩$ 的量子比特时，它的波函数会坍缩，随机地落入其中一个基态。

请注意，这个归一化条件并非人为规定，而是概率守恒这一基本物理公理的直接体现。

因为一次测量必然会得到一个结果（要么是 0，要么是 1），所有可能结果的概率之和必须等于 100% （即 1）。

这个条件确保了我们对量子态的数学描述始终与物理世界的概率现实保持一致。

计算计算计算计算

我们详细说了一下量子计算的基础的量子态定义，下一个问题就是，这些状态如何随时间演化？

或者说，计算究竟如何进行的？

薛定谔方程

一个封闭量子系统（例如一台理想的量子计算机）的时间演化由含时薛定谔方程所支配。

$i\hbar \frac{\partial}{\partial t} |\psi(t)⟩ = \hat{H} |\psi(t)⟩$

（其中，$|\psi(t)⟩$ 是系统在时间 $t$ 的状态（波函数），$\hat{H}$ 是系统的哈密顿算符（代表总能量），$\hbar$ 是约化普朗克常数。）

好的，我知道你已经不想看下去了，我们来简单的说一下，这个公式描述了一个量子系统的状态（波函数）随着时间如何变化。

也就是说，只要我们知道初始状态 $|\psi(0)⟩$，这个方程就能告诉你任意时刻 $t$ 时的状态 $|\psi(t)⟩$。

如果还是不明白，我们可以类比一下，$F = ma$ 是经典力学的基础，$i\hbar \frac{\partial}{\partial t} |\psi(t)⟩ = \hat{H} |\psi(t)⟩$ 就是量子力学的基础。

至于这函数怎么算出来的，就在此略过了，无非就是，把时间剖分成很多小步，每一步的演化核 $K$ 由 $\text{相位} = \frac{\text{作用量}}{\hbar}$ 加权的所有路径求和得到：

$K(b,a)=\int\mathcal{D}[x(t)],e^{\frac{i}{\hbar}S[x(t)]}$

把短时传播子展开到一阶时间，再把路径积分重组，极限下得到同样的微分方程形式，薛定谔方程。

幺正演算

薛定谔方程是一个线性微分方程，其解的形式可以表示为一个作用于初始状态的线性算符。如果一个系统在时间 $t=0$ 时的状态是 $|\psi(0)⟩$，那么在稍后的时间 $t$，其状态将是 $|\psi(t)\rangle = U(t) |\psi(0)\rangle$ 其中 $U(t) = e^{-\frac{i}{\hbar} H t}$ 被称为时间演化算符，薛定谔方程可以严格证明，$U(t)$ 必须是一个幺正算符（Unitary Operator）。

一个算符（或矩阵）$U$ 是幺正的，如果它的共轭转置 $U^†$ 等于它的逆 $U^{-1}$，即 $U^†U = I$（其中 $I$ 是单位矩阵）。

幺正性有两个至关重要的物理含义，概率守恒和可逆性。

幺正变换保持向量的范数（长度）不变。这意味着，如果初始状态是归一化的（总概率为 1），那么经过幺正演化后的任何状态也必然是归一化的。

这保证了概率在计算过程中不会凭空产生或消失。

因为幺正算符永远存在逆，所以量子演化的每一步在理论上都是可逆的。我们可以通过应用逆操作 $U^†$ 来精确地回溯到计算前的状态。

幺正可以简单理解成不管系统怎么演化、怎么旋转波函数，总概率永远是 100%，不会变多也不会变少。

这时候可能就有人问了，你搁这儿叽里咕噜说啥呢？听不懂！

这里必须要引入一个重要概念，在量子计算中，任何信息的丢失都意味着系统与外界发生了不可逆的相互作用（比如测量或退相干），这会破坏量子叠加态。

所以量子计算机必须保证，在计算过程中，信息不被丢弃，也不被复制（因为量子不可克隆）。

这就要求所有运算都是可逆的幺正变换。

门

在量子计算中，对量子比特进行的操作被称为量子门。由于任何量子计算过程都必须是一个物理上允许的、封闭系统的演化，因此，每一个量子门都必须由一个幺正矩阵来表示。

这构成了量子计算与量子物理之间最深刻的联系，计算的逻辑规则直接源于宇宙的基本物理定律。

好，说的很迷糊，我写的也很迷糊，稍微总结一下，就是量子计算有个基础公式，它是薛定谔方程，然后呢，为了保证我们计算的准确性，整个系统必须是在量子态下的，所以我们又要保证计算途中的稳定性，因此使用幺正演算。

那么，我们需要计算，就需要逻辑门，量子计算的逻辑门和经典的逻辑门不同，而不同的原因就是上述内容。

算法算法算法算法

量子算法通过一系列精心设计的量子门（幺正变换）来操控量子比特的波函数，利用叠加和干涉来解决问题。

H

阿达马门（Hadamard Gate, H）是创造叠加态最核心的工具之一。它的矩阵表示为

$H = \frac{1}{\sqrt{2}} \begin{bmatrix} 1 & 1 \ 1 & -1 \end{bmatrix}$

当阿达马门作用于一个处于基态 $|0⟩$ 的量子比特时，其效果是

$|0⟩ \xrightarrow{H} \frac{|0⟩ + |1⟩}{\sqrt{2}}$

结果是一个均匀的叠加态，测量时得到 0 或 1 的概率各为 50%。这个操作是量子并行性的基础，通过对多个量子比特应用阿达马门，我们可以创建一个包含所有 $2^N$ 种可能输入的叠加态，从而允许量子算法在所有这些输入上同时进行计算。

所以，简单来说，H 门就是让我们拥有了一个处于叠加态的量子。

CNOT

受控非门（CNOT）是一个双量子比特门，它是创造量子纠缠的关键工具。

它的作用是，如果控制量子比特为 $|1⟩$，则翻转目标量子比特的状态，否则什么也不做。

当控制比特处于叠加态时，CNOT 门可以产生纠缠。一个典型的例子是创造贝尔态。

（贝尔态指 $\begin{aligned} |\Phi^+\rangle &= \frac{1}{\sqrt{2}}(|00\rangle + |11\rangle) \ |\Phi^-\rangle &= \frac{1}{\sqrt{2}}(|00\rangle - |11\rangle) \ |\Psi^+\rangle &= \frac{1}{\sqrt{2}}(|01\rangle + |10\rangle) \ |\Psi^-\rangle &= \frac{1}{\sqrt{2}}(|01\rangle - |10\rangle) \end{aligned}$）

CNOT 门的矩阵表示为

$CNOT = \begin{bmatrix} 1 & 0 & 0 & 0\ 0 & 1 & 0 & 0\ 0 & 0 & 0 & 1\ 0 & 0 & 1 & 0 \end{bmatrix}$

举个例子，将第一个量子比特（控制位）通过阿达马门置于叠加态 $\frac{1}{\sqrt{2}}(|0⟩ + |1⟩)$，第二个量子比特（目标位）保持在 $|0⟩$。此时，系统总状态为 $\frac{1}{\sqrt{2}}(|00⟩ + |10⟩)$。

这时我们施加一个 CNOT 门，对于 $|00⟩$ 部分，控制位为 0，目标位不变，仍为 $|00⟩$。

但对于 $|10⟩$ 部分，控制位为 1，目标位翻转，变为 $|11⟩$。

最终我们就可以得到一个纠缠态 $|\Phi^+⟩ = \frac{1}{\sqrt{2}}(|00⟩ + |11⟩)$ 。

这个状态是纠缠的，因为它无法被写成两个独立量子比特状态的乘积。这两个量子比特从此失去了独立的身份，形成了一个不可分割的整体，测量其中一个会瞬间决定另一个的状态，无论它们相距多远。

总结

好的，我知道各位不知道这究竟是什么和什么，所以我们来做一个简单的小实验吧，来说明一下量子纠缠和量子计算。

假设 0 是正面，1 是反面，我们手中有两枚硬币，让量子计算机抛硬币玩。

这里需要的是，让两枚硬币呈现纠缠，也就是它们的结果总是相同（00 或 11），或经过调整后总是相反（01 或 10）。

在本实验中，我们用“两枚硬币要么都为正面要么都为反面”（即 00 与 11）作为演示。

我们从两个量子比特的初始态 $|00⟩$ 出发（都为正面），依次执行以下两个量子操作：

第一个操作是 H 门，它把 $|0⟩$ 变成叠加态 $\frac{1}{\sqrt{2}}(|0⟩ + |1⟩)$。

作用在第一个量子比特上后，系统状态变为

$|\psi_1⟩ = \frac{1}{\sqrt{2}}(|00⟩ + |10⟩)$

这意味着，第一个量子比特像是一枚正在旋转的硬币，而第二个仍是正面。

第二个操作是 CNOT 门，作用在两个比特上（第 0 比特为控制，第 1 比特为目标）。

若控制比特为 $|1⟩$，则翻转目标比特；若为 $|0⟩$，则不动。

此时系统状态变为

$|\psi_2⟩ = \frac{1}{\sqrt{2}}(|00⟩ + |11⟩)$

也就是说，两枚硬币的结果总是相同，当第一枚是正面时，第二枚也是正面。当第一枚是反面时，第二枚也是反面。

它们之间的结果具有完全的相关性，这种状态就是量子纠缠态（贝尔态）。

量子比特技术

已经讲了一堆数学，后面还是讲讲故事吧，毕竟能放松的东西，量子比特技术。

超导电路

超导量子计算是当前发展最快、规模化程度最高的路线之一，其核心优势在于能够借鉴成熟的半导体微纳加工工艺，实现量子比特数量的快速扩展。

其物理基础是将一个宏观的电子电路冷却至接近绝对零度的极低温（约 15 mK），使其进入超导状态，从而展现出可控的宏观量子效应。

一个超导量子比特本质上是一个人造的宏观量子系统，可以被简化为一个非线性的 LC 谐振电路（$f = \frac{1}{2\pi\sqrt{LC}}$）。

在标准的 LC 电路中，其能级是等间距的，如同一个完美的谐波振荡器。

这意味着，如果试图用一个特定频率的微波脉冲来驱动系统从基态 $|0\rangle$ 跃迁到第一激发态 $|1\rangle$，这个脉冲同样会驱动系统从 $|1\rangle$ 跃迁到第二激发态 $|2\rangle$，以此类推。

这种能级简并性使得我们无法将系统的操作精确地限制在 $|0\rangle$ 和 $|1\rangle$ 这两个量子比特状态之间，从而无法构建一个有效的量子比特。

解决这一根本性难题的关键元件是约瑟夫森结（Josephson Junction, JJ）。

约瑟夫森结由两层超导体夹着一层极薄的绝缘势垒构成，其独特的物理效应允许超导电子对（库珀对）以量子隧穿的方式穿过这个绝缘层，形成超导电流。

这一过程的物理特性赋予了约瑟夫森结一个至关重要的属性，非线性电感。

这个非线性电感的存在，彻底改变了 LC 电路的能级结构。它打破了谐波振荡器的能级简并性，使得基态 $|0\rangle$ 与第一激发态 $|1\rangle$ 之间的能量差（跃迁频率 $\omega_{01}$）不再等于第一激发态 $|1\rangle$ 与第二激发态 $|2\rangle$ 之间的能量差（跃迁频率 $\omega_{12}$）。这种能级间距的不均匀性被称为非谐性（anharmonicity）。

正是这种非谐性，使得我们可以用一个精确调谐的微波频率，选择性地只驱动 $|0\rangle \leftrightarrow |1\rangle$ 之间的跃迁，而不会意外地激发到更高的能级，从而将这个宏观电路有效地变成一个可精确操控的二能级量子系统，即一个量子比特。

在众多超导量子比特设计中，Transmon（传输子）量子比特已成为 IBM 和谷歌等行业领导者的标准架构。

Transmon 的设计巧妙地将电路参数设置在约瑟夫森能量（$E_J$）远大于充电能量（$E_C$）的区间，即 $E_J \gg E_C$。

这一设计的核心优势在于，它极大地降低了量子比特对环境中电荷噪声的敏感度，从而显著延长了其相干时间，这是相比早期超导量子比特设计的重大进步。IBM 的 Heron、Condor 系列处理器和谷歌的 Sycamore、Willow 处理器，均采用了基于 Transmon 的架构。

超导电路的优点有极快的门操作速度与优异的可扩展性。

而缺点是较短的相干时间，严苛的工作环境与有限的比特连通性。

我们最后再来统一说明这里出现的关键词，门操作速度，可扩展性，相干时间与比特连通性。（什么？你不知道严苛的工作环境是啥？答：15 mK）

离子阱

与人造的超导电路不同，离子阱量子计算选择利用自然界中最完美的量子系统，单个原子，作为量子比特。

通过剥离原子的外层电子使其带电，这些离子便可以被电磁场精确地操控。

离子阱量子计算机的核心是利用单个带电原子（离子），如镱-171（$^{171}\text{Yb}^+$）或钡（$^{137}\text{Ba}^+$），作为其量子比特。

这些离子被悬浮在超高真空腔体中，通过由静态电场和射频（RF）交变电场共同构成的保罗阱（Paul Trap）进行囚禁。

这个电磁场组合在空间中形成一个鞍形的势阱，通过快速旋转势阱，离子被动态地束缚在势阱中心，与外界环境实现极好的隔离。

好吧，这玩意挺抽象的，大家走马观花就好了，主要是，在离子阱中，由于所有离子都被囚禁在同一个势阱内，它们通过静电库仑力相互排斥和作用。

这种相互作用使得整个离子链的振动模式是集体化的，这些量子化的振动模式被称为声子（phonons）。

有什么用呢？极长的相干时间，极高的门保真度，全连接性与完美的量子比特一致性。

听起来很好，但是缺点也很明显，极慢的门操作速度与低扩展性。

我们最后再来统一说明这里出现的关键词，相干时间，门保真度，全连接性，量子比特一致性，门操作速度与可扩展性。

光子处理器

光量子计算采用了一种与上述基于物质的量子比特截然不同的范式。它使用光的最小能量单元，光子，作为量子比特，利用其波动性和粒子性来进行信息处理。

光量子计算主要依赖线性光学元件，如分束器、反射镜和移相器，来对光子量子比特进行操控。这些元件通过引导光子发生干涉，从而实现量子门操作。

然而，光子之间天然几乎不发生相互作用，这使得实现两比特纠缠门成为光量子计算的最大挑战。目前的方案通常是概率性的，需要借助辅助光子和投影测量来实现，这种计算模型被称为测量驱动的量子计算（Measurement-Based Quantum Computing, MBQC）。

光子处理器的优点是极强的鲁棒性与室温运行，缺点就是概率性的两比特门，如何生成高质量单光子源与光子损耗。

超导路线选择优先保障速度和规模化潜力，将相对较高的错误率视为一个可以通过纠错和缓解技术在未来解决的工程问题。

而离子阱路线则从一开始就追求极致的量子比特质量和连通性，接受较慢的门速度作为代价。

至于光子处理器，一旦克服了概率性门和光子损耗等重大挑战，可能会彻底改变量子计算的部署和应用模式，使其变得更加普及和易于集成。

特性

现在我们来介绍一下上面说的一些特性。

门操作速度（gate time / gate speed）做一次量子逻辑门需要的时间。越短越好，因为能在相干耗尽前完成更多门。但把门做得更快通常更难保持高保真和低串扰。
可扩展性（scalability）当量子比特数、连线、控制与读出通道成倍增长时，系统是否还能保持成本、错误率、互连和散热在可控范围内。也包括模块化/分布式量子计算把多块 QPU（量子处理器）拼起来的能力。
相干时间（coherence time）这里说一下退相干，更多内容后续说明，退相干是指量子系统与其环境发生相互作用时，量子叠加态的相位关系逐渐丧失、系统从量子态演化为经典混合态的过程。
比特连通性（qubit connectivity）指任一比特能直接与多少个比特做两比特门（以 CNOT 代表的建立量子纠缠的门）。连通性越强，编译需要的中间交换越少，电路深度更小。
门保真度（gate fidelity）门操作的结果是否理想，具体后续说明。
全连接性（all-to-all connectivity）任何两个比特都能直接做两比特门，减少路由开销。并非所有物理平台都天然具备。
量子比特一致性（qubit uniformity）芯片上不同比特在频率、噪声等参数上的一致程度。高一致性可以简化校准与控制，并提升可扩展性与良率。
高质量单光子源与光子损耗（photonic）光量子计算要有按需、纯净、不可分辨的单光子源，同时必须把通道/器件中的损耗（以及探测效率不足）压到极低，否则门成功率与整体可扩展性会非常低。

性能

仅仅计算量子比特的数量，远不足以衡量一台量子计算机的真实能力。

一个拥有数百个充满噪声、连接性差的量子比特的处理器，其计算能力可能远不如一个只有几十个高质量、全连接量子比特的系统。因此，评估量子性能需要一套多维度的、严谨的关键指标。

相干时间

相干时间是衡量量子比特维持其脆弱量子态能力的核心指标，它定义了量子信息在被环境噪声破坏之前可以存在的生命周期。

相干时间越长，意味着我们有越多的时间来执行量子门操作，从而可以运行更深、更复杂的量子算法。

T1，又称能量弛豫时间（Energy Relaxation Time）或纵向弛豫时间，描述的是一个处于激发态 $|1\rangle$ 的量子比特，因与环境发生能量交换而自发衰变回基态 $|0\rangle$ 所需的特征时间。

T1 衡量的是量子比特能级布居数的稳定性。在布洛赫球模型中，这个过程可以想象成一个指向北极的矢量（代表 $|1\rangle$ 态）逐渐弛豫到指向南极（代表 $|0\rangle$ 态）的过程。

T2，又称退相干时间（Dephasing Time）或横向弛豫时间，描述的是量子比特在叠加态（例如 $\frac{1}{\sqrt{2}}(|0\rangle + |1\rangle)$）中，其量子相位信息被环境噪声随机化所需要的时间。

相位是量子干涉的基础，而量子干涉是量子算法获得加速能力的关键。T2 衡量的是量子叠加态中相位关系的稳定性。

在布洛赫球模型中，这个过程表现为赤道上的一个矢量，其指向的方位角信息逐渐变得不确定，最终在赤道平面上均匀散开。

T1 和 T2 之间存在一个基本关系 $T_2 \le 2T_1$ 。这是因为任何导致能量弛豫（T1 过程）的物理机制，必然会破坏相位关系（T2 过程）。

但反过来，纯粹的相位噪声可以在不引起能量损失的情况下导致退相干。因此，T2 时间通常比 T1 时间更短，也往往是限制量子计算性能的更关键因素。

简单来说，相干时间在量子计算中扮演着限制器的角色。

虽然门操作速度决定了单个操作有多快，但相干时间决定了在量子态崩溃前我们总共能执行多少个连续操作。

相干时间越长，我们就可以进行更多的操作。

举个很简单的例子，假设有一个人，他只在有太阳的时候醒着，没有太阳就睡着。

这个相干时间就是日照时间，只有日照时间越长，这个人能在一天之内干的事情也就越多。

门保真度

门保真度是衡量量子门操作精确度的核心指标。它量化了一个在物理硬件上实际执行的量子门操作，与理论上理想的、无噪声的数学变换之间的接近程度。

例如，99.9% 的保真度意味着在执行该门操作时，有0.1%的概率会发生错误。

这里通常会出现两个指标，单量子比特门保真度（1Q Gate Fidelity）与双量子比特门保真度（2Q Gate Fidelity）。

由于两比特门需要精确控制量子比特间的相互作用，它通常比单比特门更复杂、更容易出错，因此 2Q 门保真度往往是整个量子计算机性能的瓶颈。

需要注意的是，量子算法通常需要执行成千上万甚至数百万个量子门。

即使单个门的错误率很低，这些错误也会在计算过程中不断累积，最终可能完全淹没正确的计算结果。

一个量子电路的总保真度，粗略地可以看作是其包含的所有单个门保真度的乘积。假设一个电路包含 $N$ 个门，每个门的平均保真度为 $F$，那么电路的整体成功概率大约是 $F^N$。

例如，一个看似很高的 99%（$F=0.99$）的两比特门保真度，在经过仅仅70次门操作后，电路的整体保真度（$0.99^{70}$）就会下降到 50% 以下，这意味着计算结果有一半以上的概率是错误的，与随机猜测无异。

这正是当前含噪声中等规模量子（NISQ）计算机只能运行浅层电路的根本原因，也解释了为什么将门保真度从 99.5% 提升到 99.9% 是一个巨大的工程飞跃，因为它直接关系到可计算问题规模的扩大。

实现高保真度（通常要求高于 99.9%）也是应用量子纠错码（QEC）的先决条件。

至于啥是 NISQ 和 QEC，请大家稍安勿躁，慢慢解释。

综合

为了克服单一指标的局限性，研究人员开发了多种整体性（holistic）基准测试，旨在通过一个综合性的数字来评估量子计算机的整体计算能力。

由 IBM 提出的量子体积（Quantum Volume）是目前业界最广泛采用的整体性基准之一。

它并非简单地测量某个单一参数，而是通过运行一系列特定形式的随机量子电路来全面评估系统的综合性能。QV 旨在回答一个核心问题：“这台量子计算机能够成功运行多大、多复杂的量子电路？”

除了 QV，业界也在探索其他基准。

例如，IonQ 公司提出了算法量子比特（Algorithmic Qubits, #AQ）的概念。

#AQ 旨在通过运行一个具体的、有应用价值的算法（如 QAOA 优化算法）来衡量计算机的有效规模。

#AQ的值等于能够成功运行该算法的最大量子比特数。例如，#AQ 36 意味着该系统可以在 36 个量子比特上成功运行一个具有代表性的算法实例。

量子时代

尽管量子硬件在过去几年取得了飞速发展，但我们必须清醒地认识到，当前整个领域仍处于一个非常基础的阶段，含噪声中等规模量子（Noisy Intermediate-Scale Quantum, NISQ）时代。

这意味着我们手中的量子计算机，更像是由天才工匠在车库里手工打造出的第一批蒸汽机原型，它们轰鸣、漏气、效率不高，却无可辩驳地证明了一种全新动力范式的可行性。

我们正处在从错误缓解（Error Mitigation）的修补时代，艰难迈向量子纠错（Quantum Error Correction, QEC）的工业化时代的黎明。

这也是为何这篇文章没有追逐日新月异的芯片型号或稍纵即逝的算法新闻。而是将重点放在了量子力学的理解与量子计算的基础上。

因为理解了背后的意义，才能真正明白眼前的东西是真是假，是虚是实。

在这个情报大爆炸的世界中，抓的住中心的思想，才能真正把握这场技术革命的脉搏，无论未来涌现出何种令人眼花缭乱的新进展。

回顾人类物理的开篇，从牛顿那如同精密钟表的、确定性的经典宇宙，到那个充满概率、叠加与纠缠的、令人不安又着迷的量子现实。

在过去的一个世纪里，人类完成了认知上的一次飞跃，真正将量子思维作为基板，开始研究新的东西。

而量子计算，则是这个新东西的第一位顾客，这不仅仅是关于计算能力的竞赛。它更深层的意义在于，人类正在学习用一种全新的、宇宙原生的语言去思考和解决问题。

我们不再仅仅满足于用经典的 0 和 1 去近似模拟这个世界，而是尝试直接驾驭波函数本身，让概率幅的干涉为我们指引答案。

量子计算机的未来，或许并非取代我们桌上的电脑，而是成为人类探索未知领域的思想义肢。

它将首先在那些经典计算无能为力的领域，如新药研发、材料科学、宇宙模拟，为我们打开一扇前所未见的大门。

未来，才刚刚开始。

感谢各位的阅读，关于量子回声算法我会后续发在 note 中，可能不会特别长，那这篇文章就到这里了，写出来总共耗时就接近 7 小时，加上查阅资料以及进行了几个实验，更是花了不少时间。希望各位看的开心，我们下篇文章再见👋

ZFS 介绍

Mon, 18 Aug 2025 12:15:00 GMT

ZFS 介绍

熟悉我的水友都知道，上一个 blog 站点之所以无了就是因为服务器转为 ZFS。

我记得老 blog 没有描述什么是 ZFS，所以今天就来和大家仔细分析一下 ZFS 是啥，以及我为什么选择使用 ZFS 在我的主服务器上。

结构

ZFS 是最初由 Sun Microsystems 为 Solaris 开发的文件系统和卷管理器，现已作为 OpenZFS 项目在Linux等平台上持续发展。

传统上，我们可以将文件系统比作一位图书管理员，他知道每本书放在哪个书架上，但对书本的内容或书架本身的结构却一无所知。

如果书页发生粘连（数据损坏）或者书架本身出现问题（硬件故障），这位管理员可能束手无策。

然而，ZFS（Zettabyte File System）彻底改变了这一模式。它更像是一位集图书馆建筑师、图书管理员和书籍装订师于一身的全能专家。

ZFS 不仅知道数据的位置，还理解其底层物理存储（磁盘）的结构布局，并时刻检验着每一页数据（数据块）的完整性。

与传统存储栈将 RAID、卷管理和文件系统分层设计不同，ZFS 将 RAID 控制器、卷管理和文件系统融为一体，提供一个统一的存储池（Storage Pool）管理数据。

这一整合意味着操作系统直接对接 ZFS 存储池，避免传统多层栈各层之间信息隔离造成的低效和风险。

ZFS的存储架构可以被看作一个三层金字塔：

物理磁盘 (Physical Disks)：这是最底层，即服务器中的实际硬件，如 HDD（机械硬盘）或 SSD（固态硬盘）。
虚拟设备 (vdev - Virtual Device)：vdev 是 ZFS 的基本构建块。它由一个或多个物理磁盘组成，并定义了这些磁盘的数据组织和冗余方式。一个 vdev 可以是一个单独的磁盘，也可以是一个镜像组或一个 RAID-Z 阵列。
存储池 (zpool - Storage Pool)：zpool 是最高层级的存储容器，它由一个或多个 vdev 组成。一旦 zpool 被创建，其全部存储空间就可以被池内的所有文件系统（在 ZFS 中称为数据集）共享使用，无需预先划分分区。

安全

所有的数据冗余和故障容错都在 vdev 层面实现。选择何种 vdev 类型，直接决定了存储池的性能、可用容量和数据安全性。

条带化/单一磁盘 (Stripe/Single-disk)：这是最简单的 vdev，可以由单个磁盘构成，也可以由多个磁盘组成一个无冗余的条带集（类似于 RAID 0）。数据块会被轮流写入 vdev 中的所有磁盘，可以最大化性能和容量，但没有任何容错能力。任何一个磁盘的故障都会导致整个 vdev 失效。
镜像 (Mirror)：镜像 vdev 类似于 RAID 1，它将相同的数据完整地写入 vdev 中的每一个磁盘。一个双向镜像 vdev 可以承受一个磁盘的损坏，只要还有一个磁盘健康，数据就不会丢失。ZFS的镜像比传统 RAID 1 更灵活，支持创建三向甚至更多路的镜像，以提供更高级别的冗余。镜像 vdev 的写入性能约等于单个磁盘，但读取性能可以随磁盘数量线性扩展，因为所有磁盘都可以同时响应读取请求。这使得它在需要高 IOPS（每秒读写操作次数）的场景下表现出色。
RAID-Z：这是 ZFS 对传统奇偶校验 RAID（如 RAID 5 和 RAID 6）的创新性替代方案。传统 RAID 5 存在一个被称为“写洞（Write Hole）”的严重缺陷：如果在写入数据和奇偶校验位的过程中发生断电，可能导致数据和奇偶校验位不一致，而在后续重建时，这种不一致可能会永久性地破坏数据。ZFS 通过其写时复制（Copy-on-Write）机制，从根本上解决了这个问题。RAID-Z 总是写入全新的条带，而不是覆写旧的，从而保证了操作的原子性。RAID-Z 有三种级别：
- RAID-Z1：类似于 RAID 5，使用一个磁盘的容量存储奇偶校验信息，允许 vdev 中任意一个磁盘损坏。
- RAID-Z2：类似于 RAID 6，使用两个磁盘的容量存储奇偶校验信息，允许 vdev 中任意两个磁盘损坏。
- RAID-Z3：提供三重奇偶校验，允许 vdev 中任意三个磁盘损坏，提供了极高的冗余度。

写时复制 COW

在传统文件系统中，当修改一个文件时，系统会直接在存储该文件的旧数据块上写入新数据。

如果在写入过程中发生意外（如断电），旧数据可能已经被部分覆盖，而新数据又未完全写入，导致数据块损坏。

ZFS 则完全不同。它从不覆写活动数据。当一个数据块需要被修改时，ZFS 会执行以下步骤：

将修改后的新数据写入到磁盘上的一个全新的、未被使用的位置。
修改指向该数据块的父级元数据指针，使其指向这个新写入的位置。
这个指针的更新操作是“原子性”的，意味着它要么完全成功，要么完全不发生。

这个过程确保了文件系统始终处于一致的状态。

如果在写入新数据块或更新指针的任何时刻发生断电，旧的数据块和指向它的旧指针仍然完好无损。

系统下次启动时，会发现未完成的写入事务，并简单地将其丢弃，文件系统状态回滚到写入操作开始前的那个一致性时刻。

正是由于这个机制，ZFS 不需要传统的 fsck（文件系统检查）工具来修复损坏。

快照

ZFS 的快照（snapshot）功能是 COW 机制最直接、最强大的应用之一。快照是对一个文件系统或卷在特定时间点的只读副本。

当创建一个快照时，ZFS 并不会复制所有数据。它做的仅仅是“冻结”当前文件系统的元数据指针树。因为 COW 机制保证了旧的数据块不会被覆写，快照只需保留对这些旧数据块的引用即可。

因此，创建快照是瞬间完成的，并且在初始状态下几乎不占用任何额外的存储空间。只有当活动文件系统中的数据被修改时，快照才会开始“消耗”空间。

修改操作会写入新的数据块，而旧的数据块因为被快照引用而不会被释放。

快照所占用的空间，就是这些被活动文件系统修改或删除后，但仍被快照引用的旧数据块的总和。

绝不信任

ZFS 的设计哲学是“永不信任硬件”。它假定硬件（内存、线缆、磁盘控制器、磁盘本身）随时可能出错，并因此构建了一个端到端的、多层次的数据完整性保护体系。

端到端

ZFS的核心保护机制是端到端校验和（end-to-end checksums）。

当数据写入时，ZFS 会为每一个数据块和元数据块计算一个校验和（默认为高度优化的fletcher4 算法，也可选 sha256 等加密哈希算法）。

当数据被读取时，ZFS 会重新计算校验和并与存储的值进行比对。如果不匹配，即数据已经损坏。

ZFS 的校验和机制之所以如此强大，关键在于它如何存储这些校验和。

ZFS 将整个文件系统组织成一棵巨大的默克尔树（Merkle Tree），也称为哈希树。

在这棵树中，一个数据块（子节点）的校验和，并不存储在该数据块旁边，而是存储在指向它的父节点的指针中。

这个父节点本身也是一个数据块，它的校验和又存储在它的父节点的指针中，以此类推，一直追溯到文件系统的根节点，即“超级块（uber block）”。

这种结构形成了一条“信任链”。

想象一下，传统文件系统将数据和它的校验和存放在同一个磁盘扇区。如果一个有缺陷的磁盘控制器错误地写入了整个扇区，那么数据和校验和会同时被破坏，校验机制也就失效了。

而 ZFS 通过将校验和“向上一级”存储，确保了用于验证数据的元数据本身也受到上层元数据的验证。要无声地破坏一个数据块，攻击者不仅需要篡改数据块本身，还需要篡改其父指针中的校验和，然后是祖父指针中的校验和，一路向上，直至根节点，这在现实中几乎是不可能的。

自保

ZFS 的数据完整性不仅限于检测错误，更在于自我修复（self-healing）。

当 ZFS 在读取数据时检测到校验和不匹配的错误，并且该数据所在的 vdev 具有冗余（例如，是一个镜像vdev或RAID-Z vdev），它会执行以下操作：

从冗余副本（另一个镜像盘或通过奇偶校验重构）中获取正确的数据。
将正确的数据返回给发出读取请求的应用程序，整个过程对应用透明。
同时，使用正确的数据覆写磁盘上的损坏副本，从而“治愈”错误。

然而，有些数据可能写入后很长时间都不会被读取，它们同样面临着因介质老化而导致的“比特衰减”（bit rot）风险。

为了主动发现并修复这类潜在的静默数据损坏，ZFS 提供了一个名为**巡检（scrub）**的后台进程。

zpool scrub 命令会遍历存储池中的每一个数据块，读取它，验证其校验和，并在必要时进行修复。定期（例如每月一次）执行 scrub 是维护 ZFS 存储池长期健康的关键。

但需要注意，一个没有冗余的 ZFS 池虽然能检测到数据损坏，但无法进行自我修复。

性能

ZFS集成了一套复杂而高效的缓存和日志机制，以优化在不同工作负载下的读写性能。

读取

ZFS的读取性能主要依赖于其位于内存中的自适应替换缓存（Adaptive Replacement Cache, ARC）。

ARC：与传统的 LRU（Least Recently Used）缓存不同，ARC 是一种更智能的缓存。它同时跟踪“最近使用”和“频繁使用”的数据，并动态调整两者的缓存空间分配，以达到更高的缓存命中率。ZFS 默认会使用高达 50% 的系统物理内存作为 ARC，因为在存储系统中，内存是提升性能最有效的。
L2ARC (Level 2 ARC)：当系统内存有限，而需要频繁访问的热数据集体积又大于 ARC 所能容纳的大小时，可以添加一个二级 ARC，即 L2ARC。L2ARC 通常配置在高速 SSD 上，用作从 ARC 中被淘汰数据的中转站。当 ARC 需要空间时，它会将一些数据块驱逐到 L2ARC 中，而不是直接丢弃。这样，如果这些数据块很快被再次请求，就可以从速度远快于机械硬盘的 L2ARC中读取，而无需访问主存储池。

然而，L2ARC 与 ARC 之间存在寄生的关系。

L2ARC 本身需要一部分 ARC（即内存）来存储其内容的索引。

如果添加一个非常大的 L2ARC，其索引可能会占用大量宝贵的内存，从而挤占了本可以用于缓存数据本身的 ARC 空间，最终可能导致整体性能不升反降。

因此，性能优化的黄金法则是：优先增加系统内存以扩大 ARC。只有在内存已达上限，且ARC命中率仍然不高的情况下，才应考虑添加L2ARC。

写入

ZFS的写入处理区分同步写入和异步写入，并为此提供了专门的日志机制。

异步写入 (Asynchronous Writes)：这是大多数常规文件操作（如复制文件）的默认模式。数据被写入内存（ARC）后，系统立即向应用程序返回“写入完成”的确认。ZFS 稍后会在一个事务组（Transaction Group, TXG）中，将内存中的多个写入操作批量、高效地刷入磁盘。这种方式性能极高，但代价是在断电时可能会丢失最后几秒钟尚未写入磁盘的数据。
同步写入 (Synchronous Writes)：某些应用（如数据库、NFS 服务器）要求数据必须被安全地写入到持久性存储后，才能确认写入完成。为满足这一要求，ZFS 使用了 ZFS 意图日志（ZFS Intent Log, ZIL）。当收到一个同步写入请求时，ZFS 会先将该写入操作记录到 ZIL 中，然后才向应用确认。ZIL 就像一张“待办清单”，记录了所有已确认但尚未完全合并到主存储池中的写入操作。
SLOG (Separate Log device)：默认情况下，ZIL 存储在主存储池的磁盘上。对于同步写入密集型负载，这意味着每次写入都需要在主池的慢速磁盘上进行一次小的随机写入，这会成为性能瓶颈。为了解决这个问题，用户可以添加一个独立的、高速的日志设备（SLOG），通常是 NVMe SSD 或 Intel Optane 等低延迟设备。当配置了 SLOG 后，ZIL 就会被存放在这个高速设备上。同步写入操作可以极快地提交到 SLOG，系统可以迅速返回确认，从而大幅提升性能。

**SLOG 只对同步写入有效！**对于绝大多数家庭用户或媒体服务器的异步写入负载，SLOG 完全不会被使用，添加它纯属浪费。

因此，在投资昂贵的 SLOG 设备之前，必须首先确定自己的工作负载是否确实以同步写为主。

代替

尽管ZFS功能强大，但它并非适用于所有场景的唯一解决方案。在开源和商业领域，都存在着具有不同设计哲学和优缺点的替代方案。

特性 (Feature)	ZFS	Btrfs	LVM + ext4/XFS
架构 (Architecture)	统一卷管理器与文件系统 (Unified)	统一卷管理器与文件系统 (Unified)	分层 (Layered)
数据完整性 (Data Integrity)	端到端校验和 (End-to-end checksums)	数据块校验和 (Per-block checksums)	无 (文件系统层面)
自我修复 (Self-Healing)	是 (需冗余配置)	是 (需冗余配置)	否
RAID稳定性 (RAID Stability)	极佳 (RAID-Z1/2/3)	镜像/RAID10: 良好; RAID5/6: 不稳定	极佳 (通过mdadm)
快照 (Snapshots)	高效, 基于数据集	高效, 基于子卷	低效, 基于块
存储池扩展 (Pool Expansion)	僵化 (添加vdev, 而非单个磁盘)	非常灵活 (添加/移除单个磁盘)	灵活 (向卷组添加磁盘)
资源占用 (Resource Usage)	高 (特别是内存)	中低	低
内核集成 (Kernel Integration)	外部模块 (Out-of-tree module)	原生 (Native)	原生 (Native)

*表由 Gemini 2.5 Pro 生成

或

功能/特性	ZFS (OpenZFS)	Btrfs	XFS	Ext4 + LVM
快照	支持（原生快照与克隆，开销极小）	支持（原生快照，基于子卷）	不支持＊（需通过 LVM 等卷管理创建块级快照）	不支持＊（需通过 LVM 创建快照卷）
数据校验和	有 – 数据与元数据端到端校验，读写均验证，自动修复	有 – 数据/元数据校验，可配合RAID自愈	元数据CRC校验；无用户数据校验	元数据CRC校验；无用户数据校验
内置 RAID	有 – 内建 RAID-Z1/2/3（类似RAID5/6），支持镜像	有 – 内建多种 RAID (0,1,5,6,10)	无 – 需借助 mdadm 等软RAID 或硬件RAID	无 – 需使用 mdadm (软件RAID) 等实现
透明压缩	有 – 支持 LZ4、Zstd 等压缩	有 – 支持 Zstd、LZO 压缩	无	无
重复数据删除	有 – 支持实时重删（需足够内存）, 可选开启	有 – 提供离线重删工具（手动运行）	无	无
卷管理功能	有 – 集成卷管理，存储池可弹性扩展	部分支持 – 可管理多设备（但无独立卷组概念）	无 – 需独立的 LVM 提供	有 – LVM 实现卷弹性（独立于 ext4 文件系统）
内存需求	高 – 推荐 ≥8GB 内存（大量缓存加速IO）	中等 – 相比ZFS占用更少，嵌入内核开销低	低 – 内存占用很小	低 – Ext4 占用低，LVM 开销也很小
性能表现	综合性能好；大量内存下吞吐可接近甚至超过 ext4 ；小随机写略有延迟（CoW和校验开销）	表现良好；高负载或碎片多时性能下降；并发读写性能次于XFS但可接受	极佳顺序和并发性能；擅长大文件和多线程IO ；删除海量小文件速度较慢	非常出色的通用性能；小文件读写和元数据操作效率高；额外的LVM层对性能影响可忽略
数据完整性	极高 – 端到端校验，每次读写均验证；镜像/奇偶冗余下自动纠错	高 – 校验可发现损坏；有冗余时可自我修复错误	一般 – 仅保护元数据结构，无法检测或修复文件内容损坏	一般 – 元数据有校验；文件内容损坏需依赖底层RAID发现
成熟度	非常成熟 – 十多年企业级验证，社区活跃	较成熟 – 内核直供，多发行版已用作默认FS（如SUSE）；部分功能尚在改进	非常成熟 – 历史悠久，大规模部署广泛，RHEL默认FS之一	非常成熟 – Linux默认FS，稳定性业界公认
运维复杂度	较高 – 需学习专有概念和命令，调优选项多；与发行版集成都需特别注意	中等 – 基本用法简单如常规FS，高级功能略有学习成本	低 – 文件系统本身简单易用；需另行管理RAID/LVM增加复杂度	中等 – Ext4 使用简单；LVM/RAID 层增加了配置步骤

*表由 ChatGPT 5 生成

除了开源的之外，还有一些商业闭源的类似于

Storage Spaces
Veritas VxVM
Oracle ASM
NetApp ONTAP
Dell PowerScale (原 Isilon OneFS)
Veritas InfoScale

还是挺多的。

结论

因为我的主服务器拥有 96G ECC RAM，所以最终选择了 PVE 自带的 ZFS 方案。

在一次很抽象的删除了文件之后，并通过快照恢复后。ZFS 就成了我的最爱了，所以如果水友们也有大内存，那么非常推荐各位尝试使用一下 ZFS。

由于写网文写多了，分段可能有点奇怪，请各位见谅，那么至此，ZFS 就算给大家深入浅出的介绍完毕了，祝大家玩鸡愉快，我们下一篇文章再见👋